自适应种群更新策略的多目标粒子群算法

发布时间：2019-03-18 19:15

【摘要】：针对粒子种群较差的局部搜索能力,提出了一种自适应种群更新策略的多目标粒子群算法。该算法在每次种群进行迭代时,根据种群的多样性测度以及每个粒子的适应度值,自适应地改变速度权重,以此来提高种群粒子在局部搜索时的活性,使算法具有较强的局部搜索能力同时又保留了足够的全局搜索能力。最后利用多组经典测试样例进行仿真,并与传统的粒子群算法以及速度线性衰减算法做比较,在单目标优化中,自适应粒子群算法能够更快地寻找最优位置;在多目标优化中,自适应粒子群算法能够更快速地收敛于帕累托最优边界。
[Abstract]:Aiming at the poor local search ability of particle population, a multi-objective particle swarm optimization algorithm based on adaptive population updating strategy is proposed. The algorithm adaptively changes the speed weight according to the diversity measure of the population and the adaptive value of each particle during each iteration of the population, so as to improve the activity of the population particle in the local search. The algorithm has strong local search ability and enough global search ability. Finally, several classical test examples are used to simulate and compare with the traditional particle swarm optimization algorithm and the speed linear attenuation algorithm. In the single objective optimization, the adaptive particle swarm optimization algorithm can find the optimal position more quickly. In multi-objective optimization, the adaptive particle swarm optimization algorithm can converge to the Pareto optimal boundary more quickly.
【作者单位】： 南京信息工程大学江苏省大气环境与装备技术协同创新中心;
【基金】：国家自然科学基金(No.61503192,No.61105115) 江苏省自然科学基金(No.BK20131002) 江苏省六大人才高峰项目(No.2014-XXRJ-007)
【分类号】：TP18

【参考文献】

相关期刊论文 前9条

1 游佳丽;周志勇;章程;戴亚康;;基于自适应驱散机制的粒子群优化算法[J];计算机工程与应用;2017年07期

2 章恩泽;陈庆伟;;改进的r支配高维多目标粒子群优化算法[J];控制理论与应用;2015年05期

3 李宝磊;施心陵;苟常兴;吕丹桔;安镇宙;张榆锋;;多元优化算法及其收敛性分析[J];自动化学报;2015年05期

4 周利军;彭卫;邹芳;刘宇荧;李莉;;自适应变异粒子群算法[J];计算机工程与应用;2016年07期

5 朱大林;詹腾;张屹;郑小东;;多策略差分进化的元胞多目标粒子群算法[J];电子学报;2014年09期

6 韦杏琼;周永权;黄华娟;罗德相;;云自适应粒子群算法[J];计算机工程与应用;2009年01期

7 陈贵敏;贾建援;韩琪;;粒子群优化算法的惯性权值递减策略研究[J];西安交通大学学报;2006年01期

8 张选平,杜玉平,秦国强,覃征;一种动态改变惯性权的自适应粒子群算法[J];西安交通大学学报;2005年10期

9 俞欢军,张丽平,陈德钊,胡上序;基于反馈策略的自适应粒子群优化算法[J];浙江大学学报(工学版);2005年09期

【共引文献】

相关期刊论文 前10条

1 金秀章;刘潇;;基于改进云自适应粒子群优化算法的NO_X含量测量[J];自动化仪表;2017年07期

2 马发民;张林;王锦彪;;粒子群算法的改进及其在优化函数中的应用[J];计算机与数字工程;2017年07期

3 许世鹏;吴定会;孔飞;纪志成;;基于改进鸡群算法的柔性作业车间调度问题求解[J];系统仿真学报;2017年07期

4 陈建慧;唐玉兰;赵吉;;船舶工程中的云粒子群算法研究[J];舰船科学技术;2017年12期

5 张兰;;改进PSO的WNN模型在短期负荷预测中的应用[J];西南师范大学学报(自然科学版);2017年06期

6 赵国彦;孙贵东;戴兵;陈英;;基于PSO改进的BP网络在爆破大块率优化中的应用[J];爆破;2017年02期

7 毛肖;和丽芳;王庆平;;基于改进萤火虫优化算法的多阈值彩色图像分割[J];计算机科学;2017年S1期

8 张雪博;刘敬浩;付晓梅;;基于改进Logistic回归算法的抗WebDDoS攻击模型的设计与实现[J];信息网络安全;2017年06期

9 李志华;许新;黎作鹏;任丹萍;;PSO-MEA混合优化算法及其收敛性分析[J];微电子学与计算机;2017年06期

10 刘文凯;温洁嫦;;远离最差解的粒子群优化算法[J];广东工业大学学报;2017年04期

【二级参考文献】

相关期刊论文 前10条

1 黄宇;刘玉峰;彭志敏;丁艳军;;基于量子并行粒子群优化算法的分数阶混沌系统参数估计[J];物理学报;2015年03期

2 李仁府;独孤明哲;胡麟;;基于PSO算法的路径规划收敛性与参数分析[J];华中科技大学学报(自然科学版);2013年S1期

3 巩敦卫;季新芳;;融入偏好的区间高维多目标集合进化优化方法[J];控制理论与应用;2013年11期

4 李倩;宫俊;唐加福;;多目标粒子群算法在交叉培训规划中的应用[J];控制理论与应用;2013年01期

5 潘峰;周倩;李位星;高琪;;标准粒子群优化算法的马尔科夫链分析[J];自动化学报;2013年04期

6 陶新民;刘福荣;刘玉;童智靖;;一种多尺度协同变异的粒子群优化算法[J];软件学报;2012年07期

7 刘长平;叶春明;;置换流水车间调度问题的萤火虫算法求解[J];工业工程与管理;2012年03期

8 黄泽霞;俞攸红;黄德才;;惯性权自适应调整的量子粒子群优化算法[J];上海交通大学学报;2012年02期

9 胥小波;郑康锋;李丹;武斌;杨义先;;新的混沌粒子群优化算法[J];通信学报;2012年01期

10 刘长平;叶春明;;一种新颖的仿生群智能优化算法:萤火虫算法[J];计算机应用研究;2011年09期

【相似文献】

相关期刊论文 前10条

1 车林仙;;基于粒子群算法的混沌系统快速控制[J];泸州职业技术学院学报;2006年03期

2 郭明山;刘秉瀚;;一种改进的混沌粒子群算法[J];福建电脑;2008年02期

3 张楠;邢志栋;董建民;王辛;;一种基于粒子群算法和育种算法的混合算法[J];西北大学学报(自然科学版);2008年01期

4 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期

5 张泰雷;刘春生;;基于改进粒子群算法的控制分配研究与应用[J];伺服控制;2012年06期

6 黄珍;潘颖;曹晓丽;;粒子群算法的基本理论及其改进研究[J];硅谷;2014年05期

7 焦国辉;;一种改进的粒子群算法稳定性证明及其应用[J];现代计算机(专业版);2014年14期

8 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期

9 彭志平;张慧;;一种改进的粒子群算法在协商优化中的应用[J];计算机工程;2008年10期

10 沈佳宁;须文波;孙俊;;基于量子粒子群算法的收敛性研究[J];微计算机信息;2009年06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 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 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

3 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

4 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

5 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

6 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

7 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

8 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年

9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年

10 薛尧予;群能量守恒粒子群算法及其在发酵过程控制中的应用研究[D];北京化工大学;2010年

相关硕士学位论文 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 仲伟彪;改进粒子群算法的研究及其云计算资源调度的应用[D];江西理工大学;2015年

9 艾东;基于粒子群算法的双重目标设施布置优化[D];西安建筑科技大学;2015年

10 刘召军;解优化问题的混合粒子群算法[D];陕西师范大学;2015年

，

本文编号：2443152