求解多目标优化问题的一种多子群体进化算法  

A multiple subswarms evolutionary algorithm for multi-objective optimization problems

作　　者：张利彪[1] 周春光[1] 刘小华[1] 许相莉[1] 孙彩堂[1] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012

出　　处：《控制与决策》2007年第11期1313-1316,1320,共5页Control and Decision

基　　金：国家自然科学基金重点项目(60433020;60673099);教育部"符号计算与知识工程"重点实验室项目(02090);国家985工程项目

摘　　要：提出一种新的多目标粒子群优化(MOPSO)算法.根据多目标优化问题(MOP)的特点,将一个进化群体分成若干个子群体,利用非劣支配的概念构造全局最优区域,用以指导整个粒子群的进化.通过子群体间的信息交换,使整个群体分布更均匀,并且避免了局部最优,保证了解的多样性,通过很少的迭代次数便可得到分布均匀的Pareto有效解集.数值实验表明了该算法的有效性.A new MOPSO algorithm is proposed, which divides a evolutionary swarm into several subswarms based on trait of MOP and uses Pareto dominance concepts to construct the globally optimal region. The region guides the evolutionary of whole particle swarm, By the exchange informations among the particles, the whole particle swarm distributes uniformly and avoides local optimum, and the diversity of the solution is ensured, The uniformly distributed Pareto optimal set is obtained by a few iterations, Numerical simulations show the effectiveness of the proposed algorithm.

关 键 词：多目标优化 粒子群优化算法 非劣最优解 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]