文件名称:标准多目标基准问题的多目标群算法实证研究-研究论文
文件大小:844KB
文件格式:PDF
更新时间:2024-06-30 07:04:11
论文研究
多目标优化 (MOO) 是一项复杂的任务。 它被广泛用于解决工业和工程领域的多种多目标问题(MOP)。 最可行的进化方法之一是“粒子群优化”(PSO),它取决于群的智能集体行为。 标准 PSO 结合了帕累托强度的概念来控制代理的飞行方向。 它还保留了先前在全局存储库中发现的非支配向量,随后其他代理利用该存储库来指导他们自己的逃跑。 在这封信函中,我们提出了一项关于多目标粒子群优化 (MOPSO) 的实证研究,以处理 MOP。 它使用相对较少的控制调整参数,也用于求解多模态和多维 MOP,以获得高收敛速度、更好地理解收敛行为以及搜索空间中解的多样性。 MOPSO 方法建立在 12 个标准 MOP 上,实验结果表明它比其他最先进的“多目标进化算法”(MOEA)具有很强的竞争力和效率。