一种基于Pareto关联度支配的多目标粒子群优化算法

作     者：汤可宗 李佐勇 詹棠森 李芳 姜云昊 Tang Kezong;Li Zuoyong;Zhan Tangsen;Li Fang;Jiang Yunhao

作者机构：景德镇陶瓷大学信息工程学院江西景德镇333403 工业机器人应用福建省高校工程研究中心闽江学院福建福州350108 

基　　金：国家自然科学基金(61662037,71763013) 江西省杰出青年人才计划资助(20171bcb23069) 江西省教育厅科技项目(GJJ170764) 江西省青年科学基金项目(2016BAB212042) 工业机器人应用福建省高校工程研究中心开放基金资助(MJUKF-IRA201808) 

出 版 物：《南京理工大学学报》 (Journal of Nanjing University of Science and Technology)

年 卷 期：2019年第43卷第4期

页      码：439-446,480页

摘      要：为提高多目标优化算法的收敛性和多样性,提出一种基于Pareto关联度支配的多目标粒子群优化算法(MOPSO-PCD)。该算法在严格遵守传统Pareto支配规则基础上,将灰色关联分析方法融入非劣支配解的进化过程,设计了一种新颖的Pareto关联度支配规则。该支配规则作用于全局最优粒子的选择过程,具有关联度最大的全局最优粒子将引领粒子群体向着真实Pareto前沿不断逼近。同时,将该支配规则应用于外部档案中非劣支配解的维护过程,可减少或避免最终解集多样性的损失,从而维护好外部档案中非劣解的分布过程。仿真实验表明,与被比较算法在ZDT和DTLZ等系列测试函数相比,MOPSO-PCD能够获得更好的Pareto最优前沿分布特性和较快的收敛效率。

主 题 词：多目标优化 粒子群优化 Pareto支配 关联度 多样性 

学科分类：0810[工学-土木类] 08[工学] 080203[080203] 0805[工学-能源动力学] 0802[工学-机械学] 0812[工学-测绘类] 

D　O　I：10.14177/j.cnki.32-1397n.2019.43.04.009

馆 藏 号：203777924...