自组织多目标粒子群优化算法

发布时间：2023-03-19 00:36

　　针对多目标粒子群优化算法收敛性和多样性难以平衡的问题,提出一种利用问题的结构信息来解决多目标问题的自组织多目标粒子群算法。通过自组织映射网络发现种群和非支配解集分布的结构,构造出当前粒子的邻域关系,从邻域中选出非支配解,从而引导种群局部和全局的搜索。提出了精英学习策略,通过对精英粒子进行变异,引导算法跳出局部最优。实验结果表明,所提算法可以兼顾收敛性和多样性,有效地解决多目标优化问题。

【文章页数】：7 页

【文章目录】：
1 相关背景知识
    1.1 多目标优化问题
    1.2 多目标问题的规则性
    1.3 粒子群优化算法
2 自组织多目标粒子群优化算法 (SMPSO)
    2.1 SOM模型为PSO粒子构建邻域信息
    2.2 扰动变异策略
    2.3 SMPSO算法的具体步骤
3 仿真实验与分析
    3.1 实验设置
        3.1.1 测试函数
        3.1.2 比较算法
        3.1.3 实验参数
        3.1.4 性能指标
    3.2 实验结果及分析
4 结束语



本文编号：3764183