一种双种群协同进化的混合NSGA-II与MOPSO多目标算法  

作　　者：陈健 冯芝丽 

机构地区：[1]湖南交通工程学院,湖南衡阳421009 [2]湖南环境生物职业技术学院,湖南衡阳421001

出　　处：《中国新技术新产品》2024年第20期8-10,共3页New Technology & New Products of China

基　　金：湖南省教育科学研究工作者协会2024年度高校课题“基于深度学习模型的高职智慧课堂的构建策略与应用研究”(项目编号:XJKX24B241);2024—2025年度湖南省职业教育与成人教育学会科研规划课题“新质生产力背景下职业教育数字化转型的价值定义与实践路径研究”(项目编号:XH2024198)。

摘　　要：多目标非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)是一种经典的多目标进化算法,具有鲁棒性强和搜索性能高的优点,多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)是新型的进化算法,具有收敛速度快、精度高和搜索效率高的优点。为了充分发挥这2种算法的优势,本文提出一种结合NSGA-II和MOPSO的双种群协同进化多目标优化算法。将算法应用于5个标准测试函数优化问题进行对比试验,试验结果表明,本文算法得到的最优解集更接近真实帕累托(Pareto)前沿,收敛性、均匀性和分布性更好,综合性能更强。

关 键 词：NSGA-II MOPSO 协同进化 多目标算法 

分 类 号：TP11[自动化与计算机技术—控制理论与控制工程]