论文部分内容阅读
在现实世界中,大多数优化问题都要涉及多个目标。多目标优化是近30年来迅速发展起来的一门新兴学科。粒子群优化算法源于鸟群捕食行为的研究,通过模仿这种行为去引导粒子向着搜索空间里最优区域前进。本文将ε-主导理论引入最大最小适应函数,针对多目标优化问题的特点,提出一种改进的多目标粒子群优化算法(简称为IMPSO)。该方法在求解多目标问题的非劣解前沿(ParetoFront)时表现出很好的性能。一方面,由于最大最小适应函数的存在,算法不需要额外的类聚或小生境技术去处理一部分拥挤的非劣解前沿,也可以得到均匀分布的非劣解前沿;另一方面,引入了主导偏差量ε以后,算法能够有效地舍去那些距离太近的非劣解粒子,保证了算法的收敛速度,同时又不影响非劣解前沿的完整性。通过经典测试函数实验表明该算法能保证收敛到多目标优化问题的Pareto最优前沿;同时,通过两个性能指标(GD和Diversity)的计算验证了本算法优于其他的多目标优化算法。最后,将其应用于集群目标靶场效能优化问题和价格不确定情况下炼油厂生产计划的优化问题中,验证了算法的有效性。