23247.基于分區(qū)域的多目標粒子群優(yōu)化算法及應用

1、分類號：UDC：密級：學校代號：學號：廣東工業(yè)大學碩士學位論文(理學碩士)118452111114028基于分區(qū)域的多目標粒子群優(yōu)化算法及應用趙媛指導教師姓名、職稱：割漁薟熬援學科(專業(yè))或領域名稱：座旦數堂學生所屬學院：廑用數堂論文答辯日期：至Q!壘生魚旦!目摘要摘要粒子群優(yōu)化算法(ParticleSwarmOptimizationAlgorithm)是基于群智能的啟發(fā)式算法，它是模仿鳥集體飛行覓食和魚群的行為，通過集體之間的協作使得

2、最終群體達到最優(yōu)雖然每個個體的行為路線是相當簡單的，但是作為整個集體的行為卻是很復雜的該算法的優(yōu)勢在于算法原理簡單并且容易實現，粒子群在應用于多目標解決問題時也存在一些缺點，容易陷入局部最優(yōu)，后期的收斂速度較慢等問題本文針對這些問題做了以下的研究：在處理多目標問題時，為了獲得收斂效果較好并且均勻分布在前沿界面的一組解，本文提出了一種基于子區(qū)域搜索的多目標粒子群算法(MOPSO—PD)，將粒子群搜索的目標空間按權重劃分成一系列子區(qū)域，并對

3、子區(qū)域進行搜索，有效的避免了粒子群優(yōu)化多目標問題時容易陷入局部最優(yōu)的問題分區(qū)域的搜索策略保證了解的分布性，同時也在很大程度上減少了計算量另外本文將加權的極大極小策略適應值函數應用到粒子群處理多目標算法上，不必額外再使用一般多目標粒子群算法采用的適應網格及擁擠距離等輔助方法，使得算法簡單高效：在迭代過程中為了避免計算量過大，本文設計了局部儲存器及全局儲存器用以儲存選出的非劣解最后我們用了7個測試函數來證明該方法的優(yōu)越性，實驗結果表明了本文