基于莱维飞行的多目标粒子群优化算法研究及应用

发布时间：2021-07-09 10:12

　　现如今,工业界以及科学研究中越来越多的多目标优化问题已经出现。粒子群优化算法（PSO）由于其简单易实现、较低的计算复杂度以及较高的运行效率等优点,已经被大量的研究者运用于解决各类多目标优化问题。在解决多目标优化问题时,为了获得一组更准确以及多样性更好的解集,许多多目标粒子群优化算法（MOPSO）以及它们的变体已经被相继提出。然而,一旦处理那些帕累托前沿面较为复杂的多目标优化问题时,现在一些已有的多目标粒子群优化算法因为全局寻优能力较弱的缘故,在复杂的问题上大多都容易陷入局部最优,导致算法性能较差。莱维飞行策略是一种符合莱维分布的随机飞行,它能提高粒子的全局寻优能力并使粒子能在陷入局部最优时以较大的概率跳出局部最优。因此,本文将莱维飞行策略引入多目标PSO,以解决多目标基准测试函数上的优化问题和基因选择过程中的优化问题,针对这两类不同的问题,提出了两种改进的MOPSO算法。本文的主要工作如下:（1）为了解决传统多目标优化算法在较为复杂的多目标测试函数上容易陷入局部最优,且得到的最优解多样性较差的问题,提出一种基于莱维飞行和双存档机制的多目标粒子群优化算法（MOPSO-LFDA）。一方面,... 

【文章来源】：江苏大学江苏省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

极限学习机的网络模型结构图

【参考文献】：
期刊论文
[1]基于多目标骨架粒子群优化的特征选择算法[J]. 张翠军,陈贝贝,周冲,尹心歌.  计算机应用. 2018(11)
[2]基于信噪比与邻域粗糙集的特征基因选择方法[J]. 徐久成,李涛,孙林,李玉惠.  数据采集与处理. 2015(05)
[3]基于自适应遗传算法的特征基因选择[J]. 方文道,章坚民,刘登涛,杨阳.  科技通报. 2011(02)
[4]基于多目标EDA的特征基因选择[J]. 叶奇明,罗飞,刘娟.  计算机应用研究. 2009(08)
[5]一种基于SVM和相关性的基因选择方法[J]. 姬翔,王安文.  计算机应用与软件. 2007(06)
[6]基于支持向量机的肿瘤分类特征基因选取[J]. 李颖新,阮晓钢.  计算机研究与发展. 2005(10)
[7]基于相关性分析的基因选择算法[J]. 王明怡,吴平,王德林.  浙江大学学报(工学版). 2004(10)

硕士论文
[1]基于混沌优化的多种群粒子群优化算法的研究及其应用[D]. 李佳玲.江苏大学 2019
[2]基于量子行为的多目标粒子群优化算法的研究及其应用[D]. 孙郁闻天.江苏大学 2019



本文编号：3273552