计算机应用 ›› 2011, Vol. 31 ›› Issue (07): 1789-1792.DOI: 10.3724/SP.J.1087.2011.01789

• 人工智能 • 上一篇    下一篇

基于Pareto邻域交叉算子的多目标粒子群优化算法

屈敏,高岳林,江巧永   

  1. 北方民族大学 信息与系统科学研究所,银川 750021
  • 收稿日期:2010-12-31 修回日期:2011-01-31 发布日期:2011-07-01 出版日期:2011-07-01
  • 通讯作者: 屈敏
  • 作者简介:屈敏(1984-),女,陕西宝鸡人,硕士研究生,主要研究方向:多目标进化算法;高岳林(1963-),男,陕西榆林人,教授,博士,主要研究方向:最优化理论、智能计算与智能信息处理、金融数学与金融工程;江巧永(1985-),男,浙江温岭人,硕士研究生,主要研究方向:多目标进化算法。
  • 基金资助:

    国家自然科学基金资助项目

Multi-objective particle swarm optimization algorithm based on the Pareto neighborhood crossover operation

Min QU,YUE-lin GAO,QIAO-yong JIANG   

  1. Institute of Information and System Science, Beifang University of Nationalities, Yinchuan Ningxia 750021,China
  • Received:2010-12-31 Revised:2011-01-31 Online:2011-07-01 Published:2011-07-01
  • Contact: Min QU

摘要: 针对粒子群优化(PSO)算法局部搜索能力不足的问题,提出一种基于Pareto邻域交叉算子的多目标粒子群优化算法(MPSOP)。该算法利用粒子群优化算法和Pareto邻域交叉算子相结合的策略产生新种群,并利用尺度因子在线调节粒子群优化算法和Pareto邻域交叉算子的贡献量。数值实验选取6个常用测试函数并对NSGA-Ⅱ、SPEA2、MOPSO三个多目标算法进行比较,数值实验结果表明MPSOP算法的有效性。

关键词: 多目标优化, 粒子群算法, Pareto邻域交叉算子, 尺度因子

Abstract: A multi-objective particle swarm optimization algorithm with Pareto neighborhood crossover operation (MPSOP) is proposed to solve the defect of local search for prrticle swarm optimization problems. MPSOP employs particle swarm optimization algorithm and Pareto neighborhood crossover operation to generate new population. A scaling factor used to balance contributions of particle swarm optimization algorithm and Pareto neighborhood crossover operation. Numerical experiments are compared with NSGA-II, SPEA2 and MOPSO on six benchmark problems. The numerical results show the effectiveness of the proposed MPSOP algorithm.

Key words: multi-objective optimization, particle swarm algorithm, Pareto neighborhood crossover operation, scaling factor

中图分类号: