基于指標(biāo)的粒子群算法.pdf

1、類似于遺傳算法，群智能算法也屬于啟發(fā)式算法的一種．早在20世紀(jì)90年代初，已存在通過模擬自然界生物的社會(huì)行為來構(gòu)造隨機(jī)算法的思想．研究者對(duì)生物的群體行為進(jìn)行模擬，提出群智能算法，其中最典型的兩種是蟻群算法(ACO)和粒子群算法(PSO)．
　　粒子群優(yōu)化算法起源于對(duì)簡(jiǎn)單社會(huì)系統(tǒng)的模擬，最初是模擬鳥群覓食的過程，是一種基于群體的隨機(jī)優(yōu)化技術(shù)．粒子群優(yōu)化算法自從1995年誕生以來，在研究者的不斷努力下，衍生出很多新版本，拓展了應(yīng)用領(lǐng)域

2、和方向，涌現(xiàn)了大量相關(guān)理論的文獻(xiàn)和著作．
　　指標(biāo)的出現(xiàn)，使得決策者的偏好信息可以被結(jié)合到多目標(biāo)優(yōu)化搜索中．利用這種特性，本文提出一種基于指標(biāo)的粒子群算法Indicator-PSO．在該算法中，先使用指標(biāo)對(duì)粒子進(jìn)行適應(yīng)度賦值，然后根據(jù)適應(yīng)度值找到群體中的最優(yōu)粒子，并將其置入配對(duì)池，使配對(duì)池中的其余粒子與其進(jìn)行雜交．這樣，父本的粒子可以利用最優(yōu)粒子的信息，使群體向更優(yōu)的方向發(fā)展．利用指標(biāo)的這種特性，粒子群算法可以很容易地解決多目標(biāo)優(yōu)