|
|||||
|
|
| 多目标自适应混沌粒子群优化算法 | |
| 引用本文： | 杨景明 马明明 车海军 徐德树 郭秋辰. 多目标自适应混沌粒子群优化算法[J]. 控制与决策, 2015, 30(12): 2168-2174 |
| 作者姓名： | 杨景明 马明明 车海军 徐德树 郭秋辰 |
| 作者单位： | 燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛066004. |
| 基金项目： | 河北省高等学校创新团队领军人才培育计划项目(LJRC013)；河北省科技支撑计划项目(13211817)；国家冷轧板带及装备工程研究中心开放课题项目(2012005). |
| 摘 要： | 提出一种多目标自适应混沌粒子群优化算法(MACPSO). 首先, 基于混沌序列提出一种新型动态加权方法选择全局最优粒子; 然后, 改进NSGA-II 拥挤距离计算方法, 并应用到一种严格的外部存档更新策略中; 最后, 针对外部存档提出一种基于世代距离的自适应变异策略. 以上操作不仅提高了算法的收敛性, 而且提高了Pareto 最优解的均匀性. 实验结果表明了所提出算法的有效性. |
| 关 键 词： | 多目标优化|粒子群|混沌Logistic 映射|拥挤距离|自适应变异 |
| 收稿时间： | 2014-12-08 |
| 修稿时间： | 2015-04-13 |
Multi-objective adaptive chaotic particle swarm optimization algorithm |
|
| YANG Jing-ming MA Ming-ming CHE Hai-jun XU De-shu GUO Qiu-chen. Multi-objective adaptive chaotic particle swarm optimization algorithm[J]. Control and Decision, 2015, 30(12): 2168-2174 | |
| Authors: | YANG Jing-ming MA Ming-ming CHE Hai-jun XU De-shu GUO Qiu-chen |
| Abstract: | A multi-objective adaptive chaotic particle swarm optimization(MACPSO) algorithmis proposed. Firstly, on the basis of the chaotic sequence, a new dynamic weighting method is proposed to select the global optimum particle. Then, the calculation method of crowding distance in NSGA-II is improved and applied to a rigorous external archive updating strategy. Finally, an adaptive mutation strategy based on the generational distance is presented for the external archive. The operations above mentioned not only enhance the convergence performance of the proposed algorithm, but also improve the uniformity of the Pareto optimal solution. The experimental results show the effectiveness of the proposed method. |
| Keywords: | multi-objective optimization|particle swarm|chaotic Logistic map|crowding distance|adaptive mutation |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |