-
题名采用二次强化学习策略的多目标粒子群优化算法
被引量：2
- 1
-
-
作者
李浩君
张鹏威
刘中锋
张征
-
机构
浙江工业大学教育科学与技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第11期2413-2418,共6页
-
基金
2016年国家社科基金年度项目(16B7Q084)资助
-
文摘
针对多目标粒子群算法在进化后期易出现早熟收敛、种群多样性丢失的问题,本文提出采用二次强化学习策略的多目标粒子群优化算法SslMOPSO.首先利用无速度多目标粒子群框架,通过向所有个体历史最优学习实现粒子的第一次强化学习;其次将分解策略融入多目标粒子群算法中,使粒子向指定数量邻居的均值学习,实现粒子的第二次强化学习,增强算法跳出局部最优的能力,提高种群的多样性;最后分别在具有两目标和具有三目标的七个基准测试函数上进行仿真实验,结果表明,所提算法获得的非支配解集较对比算法具有较好的分布性,表现出较好的搜索性能.
-
关键词
多目标粒子群优化算法
分解策略
二次强化学习策略
邻居均值学习
-
Keywords
MOPSO
decomposition strategy
quadratic reinforcement learning strategy
neighborhood mean learning
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
