基于直觉模糊支配的混合多目标粒子群算法

发布时间：2018-04-08 19:08

  本文选题：直觉模糊支配　切入点：混合粒子群优化　出处：《计算机科学》2017年01期

【摘要】：为提高求解多目标优化问题的精确性和解集分布的均匀性,提出了一种基于直觉模糊支配的混合粒子群算法。通过引入种群全局目标值标量参数、直觉模糊隶属度和排序方法,定义一种新的最优解支配关系;采用基于模拟退火的Meta-Lamarckian局部学习策略,结合粒子群算法,以避免算法陷入局部最优和早熟;此外,定义种群同构因子来衡量种群多样性,以自适应调节惯性权重和加速因子;提出一种递减扰动策略对粒子飞行速度进行扰动;最后,与多种经典多目标优化算法进行仿真测试比较,结果表明该算法在求解精度、解集分布均匀性上具有明显优势。
[Abstract]:A hybrid particle swarm optimization algorithm based on intuitionistic fuzzy domination is proposed to improve the accuracy of solving multi-objective optimization problems and the uniformity of solution set distribution.By introducing scalar parameters of global target value, intuitionistic fuzzy membership degree and sorting method, a new optimal solution dominating relation is defined, and Meta-Lamarckian local learning strategy based on simulated annealing is combined with particle swarm optimization algorithm.In order to avoid the algorithm falling into local optimum and premature; in addition, the population isomorphism factor is defined to measure population diversity, and the inertia weight and acceleration factor are adjusted adaptively; a decreasing disturbance strategy is proposed to disturb the flying velocity of particles; finally, the population isomorphism factor is defined to measure population diversity.Compared with many classical multi-objective optimization algorithms, the simulation results show that the algorithm has obvious advantages in solving accuracy and solution set distribution uniformity.
【作者单位】： 空军工程大学防空反导学院;
【基金】：国家自然科学基金(61402517) 中国博士后基金(2013M542331) 陕西省自然科学基金(2013JQ8035)资助
【分类号】：TP18

【参考文献】

相关期刊论文 前8条

1 王华;朱付保;;基于多目标粒子群的土地整理项目选址模型[J];农业工程学报;2015年14期

2 赵新爽;汪厚祥;蔡益朝;;反导预警作战资源调度方法[J];系统工程与电子技术;2015年06期

3 章恩泽;吴益飞;陈庆伟;;一类区间多目标粒子群优化算法[J];控制与决策;2014年12期

4 Jie Zeng;Wei Nie;;Novel multi-objective optimization algorithm[J];Journal of Systems Engineering and Electronics;2014年04期

5 高红民;周惠;徐立中;石爱业;;Classification of hyperspectral remote sensing images based on simulated annealing genetic algorithm and multiple instance learning[J];Journal of Central South University;2014年01期

6 戚玉涛;刘芳;常伟远;马晓亮;焦李成;;求解多目标问题的Memetic免疫优化算法[J];软件学报;2013年07期

7 甘旭升;端木京顺;孟月波;丛伟;;Wavelet neural network aerodynamic modeling from flight data based on pso algorithm with information sharing and velocity disturbance[J];Journal of Central South University;2013年06期

8 ZHANG ShiHai;OU JinPing;;BP-PSO-based intelligent case retrieval method for high-rise structural form selection[J];Science China(Technological Sciences);2013年04期

【共引文献】

相关期刊论文 前10条

1 魏洪斌;罗明;鞠正山;王军;吴克宁;;中国土地整治“十二五”研究重点评述与“十三五”研究展望[J];水土保持研究;2017年02期

2 梅海涛;华继学;王毅;文童;;基于直觉模糊支配的混合多目标粒子群算法[J];计算机科学;2017年01期

3 李智;;智能优化算法研究及应用展望[J];武汉轻工大学学报;2016年04期

4 郑玉军;田康生;邢晓楠;丰坤;;带时间窗的相控阵雷达实时任务调度方法[J];火力与指挥控制;2016年10期

5 杨世品;陆小华;薄翠梅;李丽娟;徐启;;多目标P系统仿生优化算法[J];北京工业大学学报;2016年10期

6 李小丽;;基于梯度图及Hausdorff距离的人脸识别算法[J];安徽科技学院学报;2016年05期

7 李永新;甘旭升;屈虹;赵海涛;;飞行实测数据气动力建模研究[J];计算机仿真;2016年08期

8 刘芳;彭智勇;高兴;;云计算环境下的端口资源均衡调度模型仿真[J];计算机仿真;2016年08期

9 陈啸;王红英;孔丹丹;岳岩;方鹏;吕芳;;基于粒子群参数优化和BP神经网络的颗粒饲料质量预测模型[J];农业工程学报;2016年14期

10 ZHOU Wei;LI Shao Lin;MA Gang;CHANG Xiao Lin;MA Xing;ZHANG Chao;;Parameters inversion of high central core rockfill dams based on a novel genetic algorithm[J];Science China(Technological Sciences);2016年05期

【二级参考文献】

相关期刊论文 前10条

1 牛继强;徐丰;;利用克隆选择算法构建的土地用途分区模型[J];武汉大学学报(信息科学版);2014年02期

2 常志朋;程龙生;刘家树;;基于马田系统与TOPSIS的区间数多属性决策方法[J];系统工程理论与实践;2014年01期

3 孙靖;巩敦卫;季新芳;;基于偏好方向的区间多目标交互进化算法[J];控制与决策;2013年04期

4 董涛;刘付显;李响;;末段多层反导作战的任务分解[J];现代防御技术;2012年04期

5 张静;王万良;徐新黎;介婧;;混合粒子群算法求解多目标柔性作业车间调调度度问题[J];控制理论与应用;2012年06期

6 王华;刘耀林;姬盈利;;基于多目标微粒群优化算法的土地利用分区模型[J];农业工程学报;2012年12期

7 汤绍勋;易先清;罗雪山;;面向预警卫星调度问题的改进粒子群算法[J];系统工程;2012年01期

8 杜占帅;易先清;;天基预警系统资源调度方法[J];火力与指挥控制;2009年07期

9 林川;冯全源;;粒子群优化算法的信息共享策略[J];西南交通大学学报;2009年03期

10 李彦斌;张宁;李存斌;;Support vector machine forecasting method improved by chaotic particle swarm optimization and its application[J];Journal of Central South University of Technology;2009年03期

【相似文献】

相关期刊论文 前10条

1 秦玉灵;孔宪仁;罗文波;;混沌量子粒子群算法在模型修正中的应用[J];计算机工程与应用;2010年02期

2 陈治明;;新型量子粒子群算法及其性能分析研究[J];福建电脑;2010年05期

3 牛永洁;;一种新型的混合粒子群算法[J];信息技术;2010年10期

4 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

5 刘衍民;赵庆祯;邵增珍;;一种改进的完全信息粒子群算法研究[J];曲阜师范大学学报(自然科学版);2011年01期

6 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[J];计算机工程与应用;2011年05期

7 熊智挺;谭阳红;易如方;陈赛华;;一种并行的自适应量子粒子群算法[J];计算机系统应用;2011年08期

8 孟纯青;;非线性粒子群算法[J];微计算机应用;2011年08期

9 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

10 刘飞,孙明,李宁,孙德宝,邹彤;粒子群算法及其在布局优化中的应用[J];计算机工程与应用;2004年12期

相关会议论文 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

相关博士学位论文 前10条

1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

2 杜毅;多阶段可变批生产线重构的研究[D];广东工业大学;2016年

3 尹浩;求解Web服务选取问题的粒子群算法研究[D];东北大学;2014年

4 王芳;粒子群算法的研究[D];西南大学;2006年

5 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

6 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

7 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

8 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

9 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

10 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

相关硕士学位论文 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年

7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年

8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年

9 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

，

本文编号：1722956