| 基于自适应进化学习的约束多目标粒子群优化算法 |
| |
| 引用本文： | 王建林 吴佳欢 张超然 赵利强 于涛. 基于自适应进化学习的约束多目标粒子群优化算法[J]. 控制与决策, 2014, 29(10): 1765-1770 |
| |
| 作者姓名： | 王建林 吴佳欢 张超然 赵利强 于涛 |
| |
| 作者单位： | 北京化工大学信息科学与技术学院,北京,100029 |
| |
| 摘 要： | 针对约束边界粒子在边界区域搜索能力不足的问题，提出一种基于自适应进化学习的约束多目标粒子群优化算法。该算法根据不符合约束条件粒子的约束违反程度，修正优化算法的进化学习公式，提高算法在约束边界区域的搜索能力；通过引入一种基于拥挤距离的Pareto最优解分布性动态维护策略，在不增加算法复杂度的前提下改进Pareto前沿的分布性。实验结果表明，所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto前沿。
|
| 关 键 词： | 多目标粒子群优化 自适应进化学习 拥挤距离 |
| 收稿时间： | 2013-06-05 |
| 修稿时间： | 2013-09-23 |
Constrained multi-objective particle swarm optimization algorithm based on self-adaptive evolutionary learning |
| |
| WANG Jian-lin WU Jia-huan ZHANG Chao-ran ZHAO Li-qiang YU Tao. Constrained multi-objective particle swarm optimization algorithm based on self-adaptive evolutionary learning[J]. Control and Decision, 2014, 29(10): 1765-1770 |
| |
| Authors: | WANG Jian-lin WU Jia-huan ZHANG Chao-ran ZHAO Li-qiang YU Tao |
| |
| Abstract: | |
| |
| Keywords: | multi-objective particle swarm optimization self-adaptive evolutionary learning crowding distance |
| 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 |
