23247.基于分區(qū)域的多目標(biāo)粒子群優(yōu)化算法及應(yīng)用

1、分類號(hào)：UDC：密級(jí)：學(xué)校代號(hào)：學(xué)號(hào)：廣東工業(yè)大學(xué)碩士學(xué)位論文(理學(xué)碩士)118452111114028基于分區(qū)域的多目標(biāo)粒子群優(yōu)化算法及應(yīng)用趙媛指導(dǎo)教師姓名、職稱：割漁薟熬援學(xué)科(專業(yè))或領(lǐng)域名稱：座旦數(shù)堂學(xué)生所屬學(xué)院：廑用數(shù)堂論文答辯日期：至Q!壘生魚旦!目摘要摘要粒子群優(yōu)化算法(ParticleSwarmOptimizationAlgorithm)是基于群智能的啟發(fā)式算法，它是模仿鳥集體飛行覓食和魚群的行為，通過(guò)集體之間的協(xié)作使得

2、最終群體達(dá)到最優(yōu)雖然每個(gè)個(gè)體的行為路線是相當(dāng)簡(jiǎn)單的，但是作為整個(gè)集體的行為卻是很復(fù)雜的該算法的優(yōu)勢(shì)在于算法原理簡(jiǎn)單并且容易實(shí)現(xiàn)，粒子群在應(yīng)用于多目標(biāo)解決問(wèn)題時(shí)也存在一些缺點(diǎn)，容易陷入局部最優(yōu)，后期的收斂速度較慢等問(wèn)題本文針對(duì)這些問(wèn)題做了以下的研究：在處理多目標(biāo)問(wèn)題時(shí)，為了獲得收斂效果較好并且均勻分布在前沿界面的一組解，本文提出了一種基于子區(qū)域搜索的多目標(biāo)粒子群算法(MOPSO—PD)，將粒子群搜索的目標(biāo)空間按權(quán)重劃分成一系列子區(qū)域，并對(duì)

3、子區(qū)域進(jìn)行搜索，有效的避免了粒子群優(yōu)化多目標(biāo)問(wèn)題時(shí)容易陷入局部最優(yōu)的問(wèn)題分區(qū)域的搜索策略保證了解的分布性，同時(shí)也在很大程度上減少了計(jì)算量另外本文將加權(quán)的極大極小策略適應(yīng)值函數(shù)應(yīng)用到粒子群處理多目標(biāo)算法上，不必額外再使用一般多目標(biāo)粒子群算法采用的適應(yīng)網(wǎng)格及擁擠距離等輔助方法，使得算法簡(jiǎn)單高效：在迭代過(guò)程中為了避免計(jì)算量過(guò)大，本文設(shè)計(jì)了局部?jī)?chǔ)存器及全局儲(chǔ)存器用以儲(chǔ)存選出的非劣解最后我們用了7個(gè)測(cè)試函數(shù)來(lái)證明該方法的優(yōu)越性，實(shí)驗(yàn)結(jié)果表明了本文