基于競爭機(jī)制策略的多目標(biāo)粒子群優(yōu)化算法

王進(jìn)成，顧銀魯，宋楨楨

(銀川能源學(xué)院 基礎(chǔ)部，寧夏 銀川 750021)

在求解多目標(biāo)優(yōu)化問題時[1]，要求盡可能地接近真正的Pareto有效前端；盡可能地保持良好的多樣性；盡可能地使粒子分散均勻.目前，出現(xiàn)了許多經(jīng)典的多目標(biāo)優(yōu)化算法.如Dbe[2]等人利用non-dominated sorting提出了NSGA-Ⅱ算法，Corne[3]等人利用強(qiáng)度Pareto支配的思想提出了SPEA2算法，Coello[4]等人利用外部粒子群來指導(dǎo)該群體外其他粒子的飛行的思想提出了MOPSO算法.

粒子群優(yōu)化算法[5](Particle Swarm Optimization Algorithm，PSO)是由Kennedy博士于1995年提出來的一種群智能優(yōu)化算法，由于該算法簡單收斂速度快且易于實現(xiàn)，近年來就得到了飛速發(fā)展并成為群智能優(yōu)化算法研究領(lǐng)域的熱點(diǎn)之一.用于解決多目標(biāo)優(yōu)化問題的粒子群優(yōu)化算法稱為多目標(biāo)粒子群優(yōu)化算法(Multi-objective particle swarm algorithm，MOPSO).為了提高M(jìn)OPSO粒子的多樣性，本文提出了一種基于競爭機(jī)制策略的多目標(biāo)粒子群優(yōu)化算法.有效地平衡了種群的全局尋優(yōu)能力和局部搜索能力，并且使算法能夠更快的搜索到最優(yōu)位置和收斂于Pareto最優(yōu)邊界.最后，通過對多目標(biāo)測試函數(shù)進(jìn)行仿真試驗，以及與經(jīng)典多目標(biāo)算法NSGA-Ⅱ、SPEA2、MOPSO相比，結(jié)果表明，本文算法在收斂性和分布性方面都有所改善.

1 粒子群優(yōu)化算法

粒子群算法(PSO)是一種模仿鳥類和魚群中個體社會行為的一種啟發(fā)式群體智能算法.該算法穩(wěn)定且高效，是近年來發(fā)展的一種智能全局尋優(yōu)算法.種群中每一只鳥相當(dāng)于粒子群算法中的一個粒子，每個粒子類似于尋找食物的鳥，都有其自身的速度和位置，通過自身……