基于多目標(biāo)優(yōu)化的粒子群算法研究及其應(yīng)用.pdf

1、最優(yōu)化問(wèn)題，特別是采用智能算法求解多目標(biāo)優(yōu)化問(wèn)題是進(jìn)化計(jì)算領(lǐng)域的研究熱點(diǎn)之一。粒子群算法作為一個(gè)相對(duì)新的優(yōu)化技術(shù)，概念簡(jiǎn)單，控制參數(shù)少，尋優(yōu)結(jié)果與初值無(wú)關(guān)，具有一定的并行性，一直受到廣泛的關(guān)注，有較好的發(fā)展前景。但是傳統(tǒng)的粒子群算法在全局搜索和收斂方面還有一定的不足，該算法已經(jīng)吸引了許多專家和學(xué)者濃厚的研究興趣并且他們幾乎都致力于改良算法性能的研究，改進(jìn)之后的粒子群算法在單目標(biāo)優(yōu)化問(wèn)題中的應(yīng)用已經(jīng)得到了很好的證實(shí)，但是多目標(biāo)優(yōu)化粒子群算

2、法及其應(yīng)用還有待于進(jìn)一步的研究。本文在標(biāo)準(zhǔn)粒子群算法和多目標(biāo)優(yōu)化理論的基礎(chǔ)上，重點(diǎn)研究了多目標(biāo)優(yōu)化粒子群算法（Multi-Objective Particle Swarm Optimizationalgorithm，簡(jiǎn)稱“MOPSO算法”），具體內(nèi)容和創(chuàng)新點(diǎn)可以概括如下:
　　(1)概括和總結(jié)了多目標(biāo)優(yōu)化問(wèn)題和標(biāo)準(zhǔn)粒子群算法的基本概念，奠定了深入研究多目標(biāo)優(yōu)化粒子群算法的理論基礎(chǔ)。
　　(2)利用小生境技術(shù)求解適應(yīng)度，采取輪

3、盤(pán)賭的方法根據(jù)精英集中各個(gè)粒子的適應(yīng)度選取全局最佳位置，同時(shí)對(duì)算法的運(yùn)行過(guò)程作了調(diào)整——加入了小概率變異策略，提出了一種新型的帶有小生境技術(shù)和精英集策略的多目標(biāo)優(yōu)化粒子群算法，這種改進(jìn)不僅提高了算法的效率，而且還保持了算法的收斂性和所得解分布的均勻性。
　　(3)改進(jìn)了種群粒子的速度更新公式，結(jié)合混沌理論、高斯變異等提出了一種新型的多目標(biāo)粒子群優(yōu)化算法。
　　(4)將多目標(biāo)優(yōu)化組合粒子群算法應(yīng)用到了實(shí)際的交通運(yùn)輸問(wèn)題的求解過(guò)