改進微粒群算法在多目標優(yōu)化問題中的應用.pdf

1、在現(xiàn)代科學研究中，多目標優(yōu)化是優(yōu)化問題的主要研究領域之一，現(xiàn)實世界中的問題大多具有多目標特征，通常不易處理。因此，解決多目標優(yōu)化問題是一個非常有實際意義和科研價值的課題。過去在運籌學、決策學等學科涌現(xiàn)了很多方法，用于求解多目標優(yōu)化問題。隨著現(xiàn)代科學的發(fā)展，各學科之間的相互滲透，新的交叉學科、思維方式、計算方法的產生，都為多目標優(yōu)化技術的研究和發(fā)展注入了活力，提供了更廣闊的研究空間。 隨著計算智能技術的發(fā)展，在20世紀80年代中期

2、進化算法開始應用于解決多目標優(yōu)化問題。目前涌現(xiàn)出了很多種多目標進化算法，比如SPEA、PESA、NPGA等，利用進化算法求解多目標優(yōu)化問題逐漸成為一個熱點和重要研究領域。它突破了古典運籌學中多目標優(yōu)化方法的局限性，并具有區(qū)別于傳統(tǒng)單目標進化算法的特征，在工業(yè)工程、科學和國防軍事中具有很高的應用價值。 微粒群算法是20世紀90年代提出的一種基于群體智能理論的優(yōu)化算法，通過群體中粒子間的合作與競爭產生的群體智能指導優(yōu)化搜索。這種新算

3、法啟發(fā)于鳥類、蟲、魚群等物種的群體捕食行為。由于其簡單有效，隨后得到了廣泛的關注，同時其在解決單目標優(yōu)化問題時表現(xiàn)出來的良好特性也非常適合求解多目標優(yōu)化問題。 本文主要研究了群體智能中的微粒群優(yōu)化算法，并將其應用于多目標優(yōu)化領域。主要工作有以下幾個方面： 1.簡要介紹了微粒群算法和多目標優(yōu)化的理論基礎主要介紹了微粒群算法的基本概念、算法的基本流程及其發(fā)展；多目標優(yōu)化的基本理論與常見的古典求解方法，最后對多目標進化算法的關

4、鍵理論進行了探討，并給出了幾種常見的多目標進化算法。 2.提出一種基于動態(tài)概率變異的Cauchy微粒群優(yōu)化針對微粒群算法的不足，通過求解0/1背包問題，驗證了Fuzzy PSO算法的性能。借鑒Gaussian Swarm和Fuzzy PSO的基本思想，提出了Cauchy微粒群優(yōu)化算法，并引入遺傳算法中的變異操作，形成了動態(tài)概率變異Cauchy微粒群優(yōu)化算法，實驗表明改進算法優(yōu)于傳統(tǒng)算法。 3.提出一種多微粒群協(xié)同進化模型

5、借鑒群體智能中協(xié)同進化的思想和遺傳算法的基本理論，提出了一種多微粒群協(xié)同進化算法，通過實驗對算法的有效性進行了驗證。并結合群體進化算法的一般特征，改進了該算法，提出了一種多群協(xié)同進化模型，給出了模型的一般框架。 4.改進了Pareto解集構造方法并予以證明，實現(xiàn)了改進PSO在MOKP中的求解本文最后在擂臺賽法則基礎上改進了Pareto解集的構造方法，利用改進的微粒群算法，實現(xiàn)了多目標優(yōu)化中多背包問題的求解。算法模擬程序利用VC+