典型文献
基于双决策和快速分层的多目标粒子群算法
文献摘要：
针对粒子群算法在求解多目标优化问题时存在的收敛性不足和多样性缺失等问题,提出一种基于双决策和快速分层的新型多目标粒子群算法(DDFSMOPSO);在该算法中,采用外部存档对迭代产生的非劣解进行存储,并利用拥挤距离和绝对距离相结合的双决策策略对外部存档规模进行维护,使得优秀粒子在随后的进化过程中易于保留和发展;同时,采用快速分层策略从外部存档中选取全局学习样本,用于领导种群中粒子的进化,促使种群中的粒子向真实的Pareto前沿移动;将DDFSMOPSO算法和3种经典的多目标粒子群算法在ZDT和DTLZ系列的部分测试函数上进行仿真实验;实验结果表明:相比其他几种经典算法,DDFSMOPSO算法表现出较好的收敛性和多样性,因此,DDFSMOPSO算法可以作为求解多目标优化问题的有效算法.
文献关键词：
多目标优化;粒子群算法;双决策;快速分层
中图分类号：
作者姓名：
王世华;李娜娜;刘衍民
作者机构：
贵州大学 数学与统计学院,贵阳550025;贵州民族大学 数据科学与信息工程学院,贵阳550025;遵义师范学院 数学学院,贵州 遵义563006
文献出处：
引用格式：
[1]王世华;李娜娜;刘衍民-.基于双决策和快速分层的多目标粒子群算法)[J].重庆工商大学学报（自然科学版）,2022(01):62-70
A类：
双决策,快速分层,DDFSMOPSO
B类：
多目标粒子群算法,多目标优化问题,收敛性,存档,非劣解,拥挤,绝对距离,决策策略,对外部,模进,中易,分层策略,全局学习,Pareto,ZDT,DTLZ,测试函数
AB值：
0.21928
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。
