电子学报 ›› 2015, Vol. 43 ›› Issue (8): 1538-1544.DOI: 10.3969/j.issn.0372-2112.2015.08.011

• 学术论文 • 上一篇    下一篇

一种多策略融合的多目标粒子群优化算法

谢承旺1,2, 邹秀芬1, 夏学文2, 王志杰2   

  1. 1. 武汉大学数学与统计学院, 湖北武汉 430072;
    2. 华东交通大学软件学院, 江西南昌 330013
  • 收稿日期:2014-11-20 修回日期:2015-03-24 出版日期:2015-08-25
    • 作者简介:
    • 谢承旺 男,1974年出生,湖北武汉人.副教授、硕士生导师、中国计算机学会高级会员.2005年、2010年分别在武汉理工大学、武汉大学获得工学硕士和工学博士学位.现为武汉大学数学与统计学院博士后,主要从事智能计算与智能信息处理方面的研究工作. E-mail:chengwangxie@163.com 邹秀芬 女,1966年出生,湖北云梦人.教授、博士生导师.1986年、1991年和2003年分别在武汉大学获理学学士、理学硕士和工学博士学位.主要从事并行与智能计算方面的研究工作. E-mail:xfzou@whu.edu.cn夏学文 男,1974年出生,湖北孝感人.副教授、中国计算机学会会员.主要从事智能计算及其应用方面的研究. E-mail:laughkid@163.com王志杰 男,1989年出生,山西朔州人.硕士研究生.主要从事智能计算方面的研究. E-mail:wzjwhtur@126.com
    • 基金资助:
    • 国家自然科学基金 (No.61165004); 国家自然科学基金重大研究计划培育项目 (No.91230118); 江西省自然科学基金 (No.20114BAB201025); 江西省教育厅科技项目 (No.GJJ12307,No.GJJ14373)

A Multi-Objective Particle Swarm Optimization Algorithm Integrating Multiply Strategies

XIE Cheng-wang1,2, ZOU Xiu-fen1, XIA Xue-wen2, WANG Zhi-jie2   

  1. 1. School of Mathematics and Statistics, Wuhan University, Wuhan, Hubei 430072, China;
    2. School of Software, East China Jiaotong University, Nanchang, Jiangxi 330013, China
  • Received:2014-11-20 Revised:2015-03-24 Online:2015-08-25 Published:2015-08-25

摘要:

为提高多目标粒子群算法在解决复杂多目标优化问题中的整体性能,提出一种多策略融合的多目标粒子群算法.该算法采用均匀化与随机化相结合的方式初始化种群,在粒子速度更新中新增一扰动项,运用简化的k-最近邻方法维持档案以及对档案个体赋予生存期属性并动态调整生存期值.实验结果表明,在GD和SP性能指标上,本文算法与另外5种对等算法在ZDT和DTLZ系列测试问题上进行对比,其表现出了总体显著性的性能优势.

关键词: 粒子群优化, 多策略融合, 多目标优化问题, 多目标粒子群优化算法

Abstract:

In order to improve the overall performance of multi-objective particle swarm optimization algorithm (MOPSO) in solving complicated multi-objective optimization problems, a multi-objective particle swarm optimization algorithm integrating multiply strategies (MSMOPSO) was proposed in the paper.A new initialization approach of combining uniformization and randomization was adopted in the MSMOPSO.Secondly, a disturbance item was added to the particle's velocity updating formula.Thirdly, a simplified k-nearest neighbor approach was applied to preserve the diversity of external archive.Finally, every non-dominated particle in the external archive was assigned the property of lifespan and the lifespan value would be adjusted dynamically during the run of the MSMOPSO.The experimental results illustrate that the proposed algorithm significantly outperforms the other five peer competitors in terms of GD, SP on ZDT and DTLZ test instances set.

Key words: particle swarm optimization, integrating multiply strategies, multi-objective optimization problem, multi-objective particle swarm optimization algorithm

中图分类号: