-
题名融合分区和局部搜索的多模态多目标优化
被引量：2
- 1
-
-
作者
胡洁
范勤勤
王直欢
-
机构
上海海事大学物流研究中心
上海交通大学系统控制与信息处理教育部重点实验室
-
出处
《智能系统学报》
CSCD
北大核心
2021年第4期774-784,共11页
-
基金
国家重点研发计划项目(2016YFC0800200)
国家自然科学基金项目(61603244)
中国博士后科学基金项目(2018M642017).
-
文摘
为解决多模态多目标优化中种群多样性维持难和所得等价解数量不足问题,基于分区搜索和局部搜索,本研究提出一种融合分区和局部搜索的多模态多目标粒子群算法(multimodal multi-objective particle swarm optimization combing zoning search and local search,ZLS-SMPSO-MM)。在所提算法中,整个搜索空间被分割成多个子空间以维持种群多样性和降低搜索难度;然后,使用已有的自组织多模态多目标粒子群算法在每个子空间搜索等价解和挖掘邻域信息,并利用局部搜索能力较强的协方差矩阵自适应算法对有潜力的区域进行精细搜索。通过14个多模态多目标优化问题测试,并与其他5种知名算法进行比较;实验结果表明ZLS-SMPSOMM在决策空间能够找到更多的等价解,且整体性能要好于所比较算法。
-
关键词
多模态多目标优化
分区搜索
局部搜索
协方差矩阵自适应策略
种群多样性
等价解
多模态多目标粒子群算法
-
Keywords
multimodal multi-objective optimization
zoning search
local search
covariance matrix adaptation evolutionary strategy
population diversity
equivalent solutions
multimodal multi-objective particle swarm optimization
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名结合两种拓扑结构的多模态多目标粒子群优化算法
被引量：1
- 2
-
-
作者
汪慎文
王佳莹
高娜
周瑶
-
机构
河北地质大学信息工程学院
河北地质大学人工智能与机器学习研究室
-
出处
《南昌工程学院学报》
CAS
2020年第4期66-71,95,共7页
-
基金
国家自然科学基金资助项目(61402481,61773296)
河北青年拔尖人才支持计划(冀字[2013]17号)
+2 种基金
河北省科技厅重点项目(19970311D,20373303D)
河北省教育厅自然科学基金重点项目(ZD2018083,ZD2018043,ZD2019134)
河北地质大学博士科研启动基金项目(BQ201322)。
-
文摘
针对多模态多目标优化算法难以搜索到多个最优解,提出了结合两种拓扑结构的多模态多目标粒子群优化算法。该算法采用两种不同的拓扑结构,以应对不同的搜索时期。算法初期采用星型拓扑来构造粒子的邻域,让粒子在全局范围内进行信息交换,提高算法勘探的性能;算法中后期采用基于距离的环型拓扑结构,让粒子邻居解在搜索空间上也相邻,增强粒子间局部信息交互能力,提高算法开采的性能。算法还设计一种新的粒子修补策略,增强解的分布性。在15个多模态多目标测试函数上进行仿真,实验结果表明,所提算法相较于经典算法,所得Pareto最优解的分布性更好。
-
关键词
多模态多目标优化:粒子群优化算法
星型拓扑结构
环型拓扑结构
-
Keywords
multi-modal and multi-objective optimization:particle swarm optimization algorithm
star topology structure
ring topology structure
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
