组合粒子群优化和分布估计的多目标优化算法  

Hybrid multiobjective particle swarm optimization and estimation of distribution algorithm

作　　者：罗辞勇[1] 卢斌[1] 陈民铀[1] 张聪誉[1] 

机构地区：[1]重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆400044

出　　处：《重庆大学学报（自然科学版）》2010年第4期31-36,共6页Journal of Chongqing University

基　　金：国家'111'计划资助项目(B08036);国家高技术发展(863计划)资助项目(2006AA02Z4B7);重庆市自然科学基金资助项目(CSTC2008BB6163)

摘　　要：提出组合粒子群优化和分布估计的多目标优化算法。在寻优迭代过程中,一半的后代由粒子群算法产生,带有变异操作的粒子群优化算法具有全局搜索能力;另一半后代采用分布估计算法来产生,分布估计算法具有良好的学习和局部搜索能力,由其提取决策空间的信息并建立期望解的概率分布模型,对这个分布模型进行采样而产生下一代的解。与多种多目标优化算法的比较实验表明,组合算法在基准函数ZDT1～ZDT3,ZDT6和ZDT6-1上获得的Pareto解集具有较好的收敛性与多样性,在ZDT4实例上的性能适中。Multiobjective Particle Swarm Optimization Estimation of Distribution Algorithm（MOPSOEDA） is presented for solving multiobjective problem.During the process of optimization,half of offspring solutions are updated by the Particle Swarm Optimization（PSO） algorithm with mutation which has the ability of global search.Another half of offspring solutions are created by the Estimation of Distribution Algorithm（EDA） which has better ability of learning and local research.EDA explicitly extracts globally statistical information from the selected solutions and builds a posterior probability distribution model of promising solutions based on the extracted information.Compared with some other multiobjective algorithms,the Pareto Sets obtained by MOPSOEDA have good convergence and diversity performance on ZDT1~ZDT3,ZDT6,ZDT6-1 instances,and the performance metrics of convergence and diversity on ZDT4 are moderate.

关 键 词：多目标优化 粒子群优化 分布估计算法 训练 

分 类 号：TP182[自动化与计算机技术—控制理论与控制工程]