10.3969/j.issn.1001-506X.2015.10.33
结合局部理想点搜索的多目标粒子群算法
提出了一种结合约束二次逼近优化（bound optimization by quadratic approximation，BOBYQA）搜索算法的理想点法对非支配解进行局部优化的混合多目标粒子群方法（local search with multiobjective particle swarm optimization，LSMOPSO），以提高多目标粒子群算法的收敛性能和非支配解集的精度与多样性。LSMOPSO 算法使用拥挤距离选择领导粒子组成领导粒子集，并对其进行理想点局部搜索；分析比较了全局理想点和局部理想点对算法性能的影响，提出基于局部理想点的局部搜索策略；在粒子的设计空间的多个维度上引入均匀变异操作，降低算法陷入局部最优的可能。基本测试函数的求解结果表明，算法的收敛速度很快，而且搜索到的非支配解集的精度高、多样性好。
混合多目标粒子群、局部理想点、约束二次逼近优化、拥挤距离、领导粒子
TP18(自动化基础理论)
2015-10-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
2404-2410
