多目標(biāo)粒子群算法在物流配送中的應(yīng)用研究.pdf

1、當(dāng)今社會(huì)是一個(gè)由多種網(wǎng)絡(luò)構(gòu)成的復(fù)雜系統(tǒng),當(dāng)中涉及了多種多樣的優(yōu)化問題,其中多目標(biāo)優(yōu)化問題是目前人們研究的重點(diǎn)之一。粒子群算法(PSO)作為一種群體智能算法,通過模擬鳥群覓食等生物行為來找尋最優(yōu),其收斂速度快的特性使其受到人們?cè)絹碓蕉嗟年P(guān)注。但由于粒子群算法無法直接應(yīng)用于多目標(biāo)優(yōu)化問題中,因此在粒子群算法的基礎(chǔ)上發(fā)展出多目標(biāo)粒子群算法(MOPSO),本文的工作即為研究多目標(biāo)粒子群算法在多目標(biāo)優(yōu)化問題中的實(shí)際應(yīng)用。
　　 多目標(biāo)粒子

2、群算法需解決的難點(diǎn)問題之一是如何確定全局最優(yōu)解。大多數(shù)情況下,針對(duì)多目標(biāo)優(yōu)化問題,算法找到的不是單個(gè)最優(yōu)解,而是一組非劣解集,即Pareto解集。隨著粒子迭代次數(shù)的增加,非劣解集的規(guī)模會(huì)越來越大,因此保證算法的收斂性和分布性顯得尤為重要。本文分析的多目標(biāo)粒子群算法增加了一個(gè)外部容器來保存非劣解,并利用密度距離的概念來選取全局最優(yōu)解,進(jìn)而在一定程度上避免算法過快陷入局部收斂和使得最終解分布均勻。通過采用測試函數(shù)對(duì)算法進(jìn)行測試并與其它優(yōu)化算