基于多样性检测的双子群多目标粒子群算法

发布时间：2018-07-21 12:24

【摘要】：为了平衡多目标粒子群算法的多样性和收敛性,提出一种基于多样性检测的多子群多目标粒子群算法.首先,将多样性检测方法引入到多目标粒子群算法中,并结合多目标粒子群算法的特点进行改进.然后,将种群分为两个不同分工的子群,一个子群保持较好的多样性,在搜索空间进行全局搜索;另一个子群保持较好的收敛性,在Pareto前沿附近进行局部搜索.最后,根据多样性度量指标调整两个子群的搜索行为,以达到兼顾多样性和收敛性的目的.在标准测试问题上的仿真结果表明了所提算法的有效性.
[Abstract]:In order to balance the diversity and convergence of multi-objective particle swarm optimization algorithm, a multi-objective particle swarm optimization algorithm based on diversity detection is proposed. First, the diversity detection method is introduced into the multi-objective particle swarm optimization algorithm, and the characteristics of the multi-objective particle swarm optimization algorithm are improved. Then, the population is divided into two subgroups with different division of labor. One subgroup maintains better diversity and carries out global search in the search space, and the other subgroup maintains better convergence and performs local search near the Pareto frontier. Finally, the search behavior of the two subgroups is adjusted according to the diversity metrics to achieve both diversity and convergence. The simulation results on the standard test problem show the effectiveness of the proposed algorithm.
【作者单位】： 大连理工大学电子信息与电气工程学院;
【基金】：国家自然科学基金项目(61374154)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 何清;翟建仁;;Fuzzy群[J];河北机电学院学报;1993年03期

2 黄凯锋;李莉;李永亮;;多种群粒子群与人工蜂群融合的改进算法[J];计算机工程与设计;2014年06期

3 李锋;;粒子群离散算法在无线传感网络中的应用[J];微型机与应用;2014年12期

4 杨书Oz;舒勤;何川;;基于云模型改进的粒子群K均值聚类算法[J];现代计算机(专业版);2014年10期

5 李爱国;多粒子群协同优化算法[J];复旦学报(自然科学版);2004年05期

6 王伟;李枚毅;彭霞丹;;一种双层可变子群的动态粒子群优化算法[J];小型微型计算机系统;2012年01期

7 焦巍;刘光斌;;一种新的双子群PSO算法[J];计算机工程;2009年16期

8 张洪波;;多种群粒子群分层进化优化算法[J];中国科技信息;2010年08期

9 朱俚治;;一种基于粒子群的变形病毒检测算法[J];信息安全与技术;2014年08期

10 焦巍;刘光斌;;动态环境下的双子群PSO算法[J];控制与决策;2009年07期

相关会议论文 前10条

1 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

2 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

3 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集（上册）[C];2013年

4 李洪全;王京;;基于粒子群算法的自适应PID控制[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路径费用拆分方法研究[A];第二十六届中国控制会议论文集[C];2007年

6 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年

7 杨诚;杨传启;;基于粒子群算法的PID参数优化[A];第七届工业仪表与自动化学术会议论文集[C];2006年

8 刘文许;林礼清;温步瀛;;电力市场下基于改进粒子群算法的AGC机组选择[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

9 刘衍民;马卫民;;基于高斯白噪声扰动的混合粒子群算法及其应用[A];第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会论文集[C];2012年

10 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关博士学位论文 前10条

1 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年

2 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

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 邵晴;粒子群算法研究及其工程应用案例[D];吉林大学;2017年

5 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

6 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

7 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

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

10 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年

相关硕士学位论文 前10条

1 徐桓;基于量子粒子群的Agent联盟生成问题研究与应用[D];云南师范大学;2015年

2 赵鹏旭;基于粒子群的群智能理论在系统优化中的应用研究[D];华北电力大学;2015年

3 胡丽芳;基于动态线性步长的双子群果蝇优化算法及其应用[D];安徽大学;2016年

4 关鹤童;基于混沌粒子群鸡群融合优化算法的云任务调度应用与实现[D];吉林大学;2016年

5 许国燕;基于改进量子粒子群的WSN网络覆盖优化研究[D];兰州交通大学;2016年

6 杨悦;粒子群及其改进在微震速度模型校正应用的数值模拟研究[D];中国科学技术大学;2015年

7 张同新;多目标子群发现算法及其应用研究[D];南京理工大学;2014年

8 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

9 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

10 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

，

本文编号：2135516