典型文献
基于种群分区的多策略自适应多目标粒子群算法
文献摘要：
在多目标粒子群优化算法中,平衡算法收敛性和多样性是获得良好分布和高精度Pareto前沿的关键,多数己提出的方法仅依靠一种策略引导粒子搜索,在解决复杂问题时算法收敛性和多样性不足.为解决这一问题,提出一种基于种群分区的多策略自适应多目标粒子群优化算法.采用粒子收敛性贡献对算法环境进行检测,自适应调整粒子的探索和开发过程;为准确制定不同性能的粒子的搜索策略,提出一种多策略的全局最优粒子选取方法和多策略的变异方法,根据粒子的收敛性评价指标,将种群划分为3个区域,将粒子性能与算法寻优过程结合,提升种群中各个粒子的搜索效率;为解决因选取的个体最优粒子不能有效指导粒子飞行方向,使算法停滞,陷入局部最优的问题,提出一种带有记忆区间的个体最优粒子选取方法,提升个体最优粒子选取的可靠性并加快粒子收敛过程;采用包含双性能测度的融合指标维护外部存档,避免仅根据粒子密度对外部存档维护时,删除收敛性较好的粒子,导致种群产生退化,影响粒子开发能力.仿真实验结果表明,与其他几种多目标优化算法相比,该算法具有良好的收敛性和多样性.
文献关键词：
多目标优化;粒子群算法;种群分区;多策略
中图分类号：
作者姓名：
张伟;黄卫民
作者机构：
河南理工大学电气工程与自动化学院 焦作454003
文献出处：
引用格式：
[1]张伟;黄卫民-.基于种群分区的多策略自适应多目标粒子群算法)[J].自动化学报,2022(10):2585-2599
A类：
种群分区,记忆区
B类：
多策略,策略自适应,自适应多目标,多目标粒子群算法,多目标粒子群优化算法,收敛性,Pareto,策略引导,解决复杂问题,自适应调整,整粒,开发过程,搜索策略,全局最优,最优粒子,粒子性,算法寻优,搜索效率,有效指导,停滞,局部最优,存档,对外部,删除,多目标优化算法
AB值：
0.248503
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。
