基于局部搜索与混合多样性策略的多目标粒子群算法  

Local search and hybrid diversity strategy based multi-objective particle swarm optimization algorithm

作　　者：贾树晋[1,2] 杜斌[1,2,3] 岳恒[4] 

机构地区：[1]上海交通大学自动化系 [2]上海交通大学系统控制与信息处理教育部重点实验室,上海200240 [3]宝钢研究院自动化研究所,上海201900 [4]东北大学自动化研究中心,沈阳110819

出　　处：《控制与决策》2012年第6期813-818,826,共7页Control and Decision

基　　金：国家重点基础研究发展计划项目(2009CB320604);教育部科学技术研究重大项目(308007)

摘　　要：为了提高算法的收敛性与非支配解集的多样性,提出一种基于局部搜索与混合多样性策略的多目标粒子群算法(LH-MOPSO).该算法使用增广Lagrange乘子法对非支配解进行局部搜索以快速接近Pareto最优解;利用基于改进的Maximin适应值函数与拥挤距离的混合多样性策略对非支配解集进行维护以保留解的多样性,同时引入高斯变异算子以避免算法早熟收敛;最后针对多目标约束优化问题,给出一种有效的约束处理方法.实验研究表明该算法具有良好的优化性能.In order to improve the convergence and diversity performance,a local search and hybrid diversity strategy based multi-objective particle swarm optimization algorithm（LH-MOPSO） is proposed.LH-MOPSO makes full use of the augmented Lagrange multiplier method to approach the Pareto optimal solutions quickly,and the hybrid diversity strategy based on modified Maximin fitness function and crowding distance is used for maintaining the diversity of nondominated solutions.Meanwhile,Gaussian mutation operator is introduced to avoid LH-MOPSO premature convergence.Finally,an efficient constraint handling method is proposed.Simulation results show that LH-MOPSO has good performance.

关 键 词：多目标优化 粒子群算法 增广Lagrange乘子法 Maximin适应值函数 拥挤距离 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]