解決多目標優化問題的粒子群算法研究.pdf

1、近年來，進化計算在處理復雜、非線性問題方面取得了較大的成功。特別是針對多目標優化問題，出現了許多多目標優化算法（MOEA），最具代表性的算法有NSGA2和SPEA2，這些算法一次運行可以得到多個Pareto最優解。
　　 Kennedy和Eberhart在1995年提出一類新的優化算法——粒子群優化算法（PSO），這種新算法啟發于鳥類、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注，同時其在解決單目標優化問題

2、時表現出來的良好特性也非常適合求解多目標優化問題。
　　 用粒子群算法求解多目標優化問題，目前國內外已經有部分相關的研究成果，但是他們都存在某些不足：一方面是得到的解集的分布性能較差，另一方面是高維目標下的收斂性不好。因此我們在原有成果的基礎上，通過采用新的全局極值的選取方式和加入一種新的變異算子，加快算法的收斂速度。為改進算法的分布性能，我們提出了基于密度的外部集保持策略的粒子群算法，當非支配集大于外部集的大小時，采用密度的方