电子学报 ›› 2020, Vol. 48 ›› Issue (7): 1245-1254.DOI: 10.3969/j.issn.0372-2112.2020.07.001

• 学术论文 •    下一篇

自适应分解式多目标粒子群优化算法

韩红桂1,2, 阿音嘎1,2, 张璐1,2, 乔俊飞1,2   

  1. 1. 北京工业大学信息学部, 北京 100124;
    2. 计算智能与智能系统北京市重点实验室, 北京 100124
  • 收稿日期:2019-09-24 修回日期:2020-03-09 出版日期:2020-07-25 发布日期:2020-04-03
  • 作者简介:韩红桂 男,1983年8月出生,江苏泰州人.北京工业大学教授、博士生导师.主要研究领域为城市污水处理过程智能优化控制、神经网络结构设计及优化等.E-mail:rechardhan@bjut.edu.cn;阿音嘎 男,1994年9月出生,内蒙古锡林浩特人.2016年本科毕业于江南大学.现为北京工业大学信息学部硕士研究生.主要研究领域为多目标进化算法和城市污水处理过程智能优化.E-mail:ayinga1994@sina.com;张璐 女,1991年10月出生,山东枣庄人.2014年本科毕业于菏泽学院.现为北京工业大学信息学部博士研究生.主要研究领域为城市污水处理过程智能优化控制.E-mail:zhlulu1991@163.com;乔俊飞 男,1968年11月出生,内蒙古人.北京工业大学信息学部教授.主要研究领域为城市污水处理过程智能检测与智能优化控制等.E-mail:isibox@sina.com
  • 基金资助:
    国家自然科学基金(No.61890930-5,No.61622301);国家重点研发计划(No.2018YFC1900800-5);北京高校卓越青年科学家项目(No.BJJWZYJH01201910005020);北京市朝阳区协同创新(No.K6041001201801)

Adaptive Multiobjective Particle Swarm Optimization Based on Decomposition Archive

HAN Hong-gui1,2, A Yin-ga1,2, ZHANG Lu1,2, QIAO Jun-fei1,2   

  1. 1. Department of Information, Beijing University of Technology, Beijing 100124, China;
    2. Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, China
  • Received:2019-09-24 Revised:2020-03-09 Online:2020-07-25 Published:2020-04-03

摘要: 为了提高多目标粒子群优化算法解的分布性,文中提出了一种自适应分解式多目标粒子群优化算法(Adaptive Multiobjective Particle Swarm Optimization based on Decomposed Archive,AMOPSO-DA).首先,设计了一种基于优化解空间分布信息的外部档案更新策略,有效提升了AMOPSO-DA的空间搜索能力;其次,提出了一种基于粒子进化方向信息的飞行参数调整方法,有效平衡了AMOPSO-DA的探索和开发能力.最后,将提出的AMOPSO-DA应用于多目标优化问题,实验结果表明,文中提出的AMOPSO-DA能够获得分布性较好的优化解.

关键词: 多目标粒子群优化算法, 分解, 外部档案, 分布性, 自适应

Abstract: To improve the distribution performance of multiobjective particle swarm optimization algorithm,an adaptive multiobjective particle swarm optimization algorithm,based on the decomposed archive,named AMOPSO-DA,is developed in this paper.First,an external archive update strategy,based on the spatial distribution information of optimal solutions,is designed to improve the searching ability of AMOPSO-DA.Second,an adaptive flying parameter adjustment strategy,based on the evolutionary direction information of each particle,is proposed to balance the exploration ability and the exploitation ability.Finally,this proposed AMOPSO-DA is applied to some multiobjective optimization problems.The experiment results demonstrate that AMOPSO-DA can obtain well-distributed optimal solutions.

Key words: multiobjective particle swarm optimization algorithm, decomposition approach, external archive, distribution, adaptive

中图分类号: