用于约束优化的简洁多目标微粒群优化算法

张勇; 巩敦卫; 任永强; 张建化

您当前的位置：

首页 >

文章列表页 >

用于约束优化的简洁多目标微粒群优化算法

科研通信 | 更新时间：2025-07-16

- 用于约束优化的简洁多目标微粒群优化算法
- Barebones Multi-Objective Particle Swarm Optimizer for Constrained Optimization Problems
- 电子学报 2011年39卷第6期页码：1436-1440
- 作者机构：
  
  1. 中国矿业大学信息与电气工程学院,江苏,徐州,221116
  2. 徐州空军学院,江苏,徐州,221002
  3. 中国矿业大学信息与电气工程学院江苏徐州,221116
  4. 徐州空军学院江苏徐州,221002
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助 (No.61005089);江苏省自然科学基金资助 (No.BK2008125);高等学校博士学科点专项科研基金资助课题 (No.20100095120016)
- DOI：
  中图分类号： TP301
- 纸质出版：2011
- 稿件说明：
移动端阅览
张勇, 巩敦卫, 任永强, 等. 用于约束优化的简洁多目标微粒群优化算法[J]. 电子学报, 2011,39(6):1436-1440.

ZHANG Yong, GONG Dun-wei, REN Yong-qiang, et al. Barebones Multi-Objective Particle Swarm Optimizer for Constrained Optimization Problems[J]. Acta Electronica Sinica, 2011, 39(6): 1436-1440.
张勇, 巩敦卫, 任永强, 等. 用于约束优化的简洁多目标微粒群优化算法[J]. 电子学报, 2011,39(6):1436-1440. DOI：

ZHANG Yong, GONG Dun-wei, REN Yong-qiang, et al. Barebones Multi-Objective Particle Swarm Optimizer for Constrained Optimization Problems[J]. Acta Electronica Sinica, 2011, 39(6): 1436-1440. DOI：

摘要

本文提出了一种少控制参数的约束多目标微粒群优化算法.该算法利用关于微粒全局和个体最优点的高斯分布来更新微粒的位置

无需设置惯性权重和学习因子等控制参数;利用非可行储备集保存所得非可行解

给出一种改进的储备集更新方法;为均衡微粒对未知可行域和已知可行域的开发/探索能力

提出一种线性递减策略

用来分配微粒从非可行储备集中选择全局最优点的概率.最后

实验验证了所提算法的有效性.

Abstract

This paper presents a constrained multi-objective particle swarm optimization algorithm with few control parameters to solve constrained multi-objective optimization problems.In this algorithm

a Gaussian distribution based on the global/local best positions is developed to update the particles’ positions.It makes unnecessary to perform fine tuning on such control parameters as inertia weight and acceleration coefficients.Using an infeasible archive to save infeasible solutions

an improved update method of the infeasible archive is proposed.In order to balance the algorithm’s capabilities to exploit known feasible regions and to explore unknown feasible regions

a linear decreasing strategy is introduced to assign the probability

based on which the particles select their global best positions from the infeasible archive.Finally

feasibility of the proposed algorithm is validated by simulation results.

关键词

Keywords

references

浏览量

1434

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

带特征选择的综合因果多目标反事实解释方法

基于多目标并行混沌优化的分布式驱动电动汽车横摆稳定性研究

带时间窗的无线可充电传感器网络多目标路径规划算法

基于适应度指导交配限制策略的重组算子与多目标优化研究

基于双编码的重叠社团检测多目标优化方法