论文部分内容阅读
针对多目标优化问题，提出了一种改进的粒子群算法。该算法为了寻找新解，引入了混沌搜索技术，同时采用了一种新的方法——拥挤距离法定义解的适应度。并采取了精英保留策略，在提高非劣解集多样性的同时，使解集更加趋近于Pareto集。最后，把算法应用到4个典型的多目标测试函数。数值结果表明，该算法能够有效的收敛到Pareto非劣最优目标域，并沿着Parcto非劣目标域有很好的分散性。