典型文献
多角色多策略多目标粒子群优化算法
文献摘要：
针对粒子群算法在解决复杂多目标问题时存在过早收敛和多样性不足的问题,提出多角色多策略多目标粒子群优化算法(MOPSO_RS).该算法根据粒子的角色划分指标,给不同性能的粒子赋予不同角色;提出多策略的学习参数调整方法和多策略的全局最优粒子选取方法,帮助种群执行各种搜索策略.不同的学习参数使各角色粒子获得不同的搜索策略,以调整粒子的探索和开发能力.不同的全局最优粒子使各角色粒子搜索不同区域,提高种群的搜索效率.为了避免算法陷入局部最优,引入带有高斯函数的变异算子,使粒子根据其角色朝向不同的全局最优粒子变异,提高算法的求解精度.实验结果表明,对比其他改进多目标算法,MOPSO_RS具有良好的收敛性和多样性,并验证了所提策略的有效性.
文献关键词：
多角色;多目标优化;粒子群优化算法;多策略;收敛性;多样性
中图分类号：
作者姓名：
王万良;金雅文;陈嘉诚;李国庆;胡明志;董建杭
作者机构：
浙江工业大学 计算机科学与技术学院,浙江 杭州 310023
文献出处：
引用格式：
[1]王万良;金雅文;陈嘉诚;李国庆;胡明志;董建杭-.多角色多策略多目标粒子群优化算法)[J].浙江大学学报（工学版）,2022(03):531-541
A类：
B类：
多角色,多策略,多目标粒子群优化算法,粒子群算法,多目标问题,过早收敛,MOPSO,RS,划分指标,学习参数,参数调整,调整方法,全局最优,最优粒子,搜索策略,整粒,搜索效率,局部最优,高斯函数,变异算子,朝向,多目标算法,收敛性,多目标优化
AB值：
0.297524
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
