基于速度交流的多种群多目标粒子群算法研究
发布时间：2021-03-06 00:10
为提高多目标优化算法的收敛精度和搜索性能,提出一种基于速度交流的多种群多目标粒子群算法。算法引入速度交流机制,将种群划分为多个子种群以实现速度信息共享,改善粒子单一搜索模式,提高算法的全局搜索能力。采用混沌映射优化惯性权重,提高粒子搜索遍历性和全局性,为降低算法在运行后期陷入局部最优Pareto前沿的可能性,对各个子种群执行不同的变异操作。将算法与NSGA-Ⅱ、SPEA2、Ab YSS、MOPSO、SMPSO和GWASF-GA先进多目标优化算法进行对比,实验结果表明:该算法得到的解集具有更好的收敛性和分布性。
【文章来源】：计量学报. 2020,41(08)北大核心
【文章页数】：10 页
【部分图文】：
多种群速度信息交流
为更清晰地解释速度交流机制的运行，以二维最小值目标为例，从4个子种群中各选择一个粒子作为代表，假设分别为x1、x2、x3、x4，对应的任意给定速度分别为v1、v2、v3，如图2(a)所示。算法在第t次迭代时，利用速度交流机制得到的新的粒子速度分别为v1"、v2"、v3"、v4"，对应位置分别为x1"、x2"、x3"、x4"，算法最终目的是使粒子收敛于真实Pareto前沿。算法在第t+1次迭代时，粒子间再采用速度交流机制分享信息后迭代更新如图2(b)所示，更新后的粒子速度分别为v1″、v2″、v3″、v4″，对应位置分别为x1″、x2″、x3″、x4″。由图2可见，粒子间分享速度信息后，相互协调向着不同的方向运动，探索更多的未知领域，快速向真实Pareto前沿靠近，进一步实现全局搜索。将单种群等分为4个子种群P1、P2、P3和P4并引入速度交流机制，实现了子种群间的速度信息交流，使解空间得到合理有效的搜索规划，改善种群的单一搜索模式，极大地提高了种群的全局探索和开发能力。
再将优化以后的惯性权重[式(11)]代入式(4)和式(6)中，使粒子具有遍历性，提高粒子全局搜索能力。为说明混沌映射对惯性权重的优化作用，图3给出了惯性权重在100次迭代过程中的取值变化。由图3可见，利用Logistic映射优化的惯性权重数值变化不定(随机性)，但是取值在[0.4,0.9]区间(稳定性)，使惯性权重尽可能遍历所有取值而又在给定范围内，从而使粒子能够更好地探索解空间。3.3 多种变异协同操作
本文编号：3066098
【文章来源】：计量学报. 2020,41(08)北大核心
【文章页数】：10 页
【部分图文】：
多种群速度信息交流
为更清晰地解释速度交流机制的运行，以二维最小值目标为例，从4个子种群中各选择一个粒子作为代表，假设分别为x1、x2、x3、x4，对应的任意给定速度分别为v1、v2、v3，如图2(a)所示。算法在第t次迭代时，利用速度交流机制得到的新的粒子速度分别为v1"、v2"、v3"、v4"，对应位置分别为x1"、x2"、x3"、x4"，算法最终目的是使粒子收敛于真实Pareto前沿。算法在第t+1次迭代时，粒子间再采用速度交流机制分享信息后迭代更新如图2(b)所示，更新后的粒子速度分别为v1″、v2″、v3″、v4″，对应位置分别为x1″、x2″、x3″、x4″。由图2可见，粒子间分享速度信息后，相互协调向着不同的方向运动，探索更多的未知领域，快速向真实Pareto前沿靠近，进一步实现全局搜索。将单种群等分为4个子种群P1、P2、P3和P4并引入速度交流机制，实现了子种群间的速度信息交流，使解空间得到合理有效的搜索规划，改善种群的单一搜索模式，极大地提高了种群的全局探索和开发能力。
再将优化以后的惯性权重[式(11)]代入式(4)和式(6)中，使粒子具有遍历性，提高粒子全局搜索能力。为说明混沌映射对惯性权重的优化作用，图3给出了惯性权重在100次迭代过程中的取值变化。由图3可见，利用Logistic映射优化的惯性权重数值变化不定(随机性)，但是取值在[0.4,0.9]区间(稳定性)，使惯性权重尽可能遍历所有取值而又在给定范围内，从而使粒子能够更好地探索解空间。3.3 多种变异协同操作
本文编号：3066098
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3066098.html
