改進的粒子群算法在多目標優(yōu)化問題上的研究和應(yīng)用.pdf

1、在實際生活中，廣泛存在著多目標問題。其中，磨礦分級過程是選礦過程中的關(guān)鍵環(huán)節(jié)，也是一個復雜、非線性的多目標問題，利用多目標優(yōu)化算法優(yōu)化磨礦分級過程具有很重要的意義。
　　傳統(tǒng)的優(yōu)化技術(shù)難以解決不連續(xù)、非線性等復雜特性的優(yōu)化問題。進化算法為解決多目標優(yōu)化問題提供了一個新途徑，而多目標進化算法也是近20年進化算法領(lǐng)域的研究熱點之一。隨著進化算法的發(fā)展，出現(xiàn)了很多經(jīng)典算法。其中，粒子群算法因其概念簡單、易于結(jié)合、運行效率高等特點，一直是

2、近幾年研究的熱點之一，被拓展用于解決多目標優(yōu)化問題。
　　隨著動態(tài)多種群思想的提出，引起了粒子群算法的又一個研究熱潮。動態(tài)多種群粒子群算法，利用種群分組加強局部搜索能力，利用動態(tài)重組來增加種群的多樣性，局部最優(yōu)解的更新機制有效的提高了種群多樣性，而且加快算法收斂速度，已經(jīng)成功的應(yīng)用于很多領(lǐng)域，是一個有效的多目標優(yōu)化算法。本文針對陷入局部最優(yōu)的缺點，在動態(tài)多種群基礎(chǔ)上，增加外部集的擾動，進一步加強跳出局部最優(yōu)的能力，并與其他經(jīng)典算法

3、進行比較，對標準無約束測試函數(shù)的仿真結(jié)果表明加入的擾動是有效的。
　　針對約束多目標問題，本文在改進的動態(tài)多種群粒子群算法上，結(jié)合雙檔案策略和改進的可行性規(guī)則，將可行解、不可行解分開保存，減少粒子間比較次數(shù)，利用部分違反約束小的不可行解引導算法收斂到真實的前沿。通過對標準有約束測試函數(shù)的仿真，并和禁止不可行解的方法進行對比，表明算法在利用不可行解方面具有較好的效果。
　　最后將提出的算法運用到實際的磨礦分級過程的優(yōu)化控制中，