自适应分解式多目标粒子群优化算法

韩红桂; 阿音嘎; 张璐; 乔俊飞

doi:10.3969/j.issn.0372-2112.2020.07.001

您当前的位置：

首页 >

文章列表页 >

自适应分解式多目标粒子群优化算法

学术论文 | 更新时间：2025-07-08

- 自适应分解式多目标粒子群优化算法
- Adaptive Multiobjective Particle Swarm Optimization Based on Decomposition Archive
- 电子学报 2020年48卷第7期页码：1245-1254
- 作者机构：
  
  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
  3. 北京工业大学信息学部,北京,100124
  4. 计算智能与智能系统北京市重点实验室,北京,100124
- 作者简介：
- 基金信息：
  
  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）
- DOI：10.3969/j.issn.0372-2112.2020.07.001
  中图分类号： TP18
- 网络出版：2020-07-25，
  
  纸质出版：2020
- 稿件说明：
移动端阅览
韩红桂, 阿音嘎, 张璐, 等. 自适应分解式多目标粒子群优化算法[J]. 电子学报, 2020,48(7):1245-1254.

Adaptive Multiobjective Particle Swarm Optimization Based on Decomposition Archive[J]. Acta Electronica Sinica, 2020, 48(7): 1245-1254.
韩红桂, 阿音嘎, 张璐, 等. 自适应分解式多目标粒子群优化算法[J]. 电子学报, 2020,48(7):1245-1254. DOI： 10.3969/j.issn.0372-2112.2020.07.001.

Adaptive Multiobjective Particle Swarm Optimization Based on Decomposition Archive[J]. Acta Electronica Sinica, 2020, 48(7): 1245-1254. DOI： 10.3969/j.issn.0372-2112.2020.07.001.

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.

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.

关键词

Keywords

references

浏览量

596

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向交通场景基于双注意力机制和自适应代价卷的自监督单目深度估计

基于自适应多重线性卡尔曼陷波的互调干扰抑制

面向智能手机的自适应触屏持续认证方案

自适应迭代最小二乘支持向量机回归算法

自适应免疫克隆选择文化算法