改進(jìn)微粒群算法在多目標(biāo)優(yōu)化問題中的應(yīng)用.pdf

1、在現(xiàn)代科學(xué)研究中，多目標(biāo)優(yōu)化是優(yōu)化問題的主要研究領(lǐng)域之一，現(xiàn)實(shí)世界中的問題大多具有多目標(biāo)特征，通常不易處理。因此，解決多目標(biāo)優(yōu)化問題是一個(gè)非常有實(shí)際意義和科研價(jià)值的課題。過去在運(yùn)籌學(xué)、決策學(xué)等學(xué)科涌現(xiàn)了很多方法，用于求解多目標(biāo)優(yōu)化問題。隨著現(xiàn)代科學(xué)的發(fā)展，各學(xué)科之間的相互滲透，新的交叉學(xué)科、思維方式、計(jì)算方法的產(chǎn)生，都為多目標(biāo)優(yōu)化技術(shù)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(jì)算智能技術(shù)的發(fā)展，在20世紀(jì)80年代中期

2、進(jìn)化算法開始應(yīng)用于解決多目標(biāo)優(yōu)化問題。目前涌現(xiàn)出了很多種多目標(biāo)進(jìn)化算法，比如SPEA、PESA、NPGA等，利用進(jìn)化算法求解多目標(biāo)優(yōu)化問題逐漸成為一個(gè)熱點(diǎn)和重要研究領(lǐng)域。它突破了古典運(yùn)籌學(xué)中多目標(biāo)優(yōu)化方法的局限性，并具有區(qū)別于傳統(tǒng)單目標(biāo)進(jìn)化算法的特征，在工業(yè)工程、科學(xué)和國防軍事中具有很高的應(yīng)用價(jià)值。 微粒群算法是20世紀(jì)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(chǎn)生的群體智能指導(dǎo)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(guān)注，同時(shí)其在解決單目標(biāo)優(yōu)化問題時(shí)表現(xiàn)出來的良好特性也非常適合求解多目標(biāo)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(yīng)用于多目標(biāo)優(yōu)化領(lǐng)域。主要工作有以下幾個(gè)方面： 1.簡要介紹了微粒群算法和多目標(biāo)優(yōu)化的理論基礎(chǔ)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(biāo)優(yōu)化的基本理論與常見的古典求解方法，最后對(duì)多目標(biāo)進(jìn)化算法的關(guān)

4、鍵理論進(jìn)行了探討，并給出了幾種常見的多目標(biāo)進(jìn)化算法。 2.提出一種基于動(dòng)態(tài)概率變異的Cauchy微粒群優(yōu)化針對(duì)微粒群算法的不足，通過求解0/1背包問題，驗(yàn)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(dòng)態(tài)概率變異Cauchy微粒群優(yōu)化算法，實(shí)驗(yàn)表明改進(jìn)算法優(yōu)于傳統(tǒng)算法。 3.提出一種多微粒群協(xié)同進(jìn)化模型

5、借鑒群體智能中協(xié)同進(jìn)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(jìn)化算法，通過實(shí)驗(yàn)對(duì)算法的有效性進(jìn)行了驗(yàn)證。并結(jié)合群體進(jìn)化算法的一般特征，改進(jìn)了該算法，提出了一種多群協(xié)同進(jìn)化模型，給出了模型的一般框架。 4.改進(jìn)了Pareto解集構(gòu)造方法并予以證明，實(shí)現(xiàn)了改進(jìn)PSO在MOKP中的求解本文最后在擂臺(tái)賽法則基礎(chǔ)上改進(jìn)了Pareto解集的構(gòu)造方法，利用改進(jìn)的微粒群算法，實(shí)現(xiàn)了多目標(biāo)優(yōu)化中多背包問題的求解。算法模擬程序利用VC+