点击次数：

论文类型：期刊论文

发表时间：2016-06-07

发表刊物：控制与决策

收录刊物：Scopus、EI、PKU、ISTIC、CSCD

卷号：31

期号：8

页面范围：1372-1378

ISSN号：1001-0920

关键字：变异 精英学习 自适应 多目标优化 粒子群 mutation elite learning adaptive adjustment multi-objective optimization particle swarm optimization

摘要：为平衡多目标粒子群的全局和局部搜索能力，提出一种基于高斯混沌变异和精英学习的自适应多目标粒子群算法。首先，提出一种新的种群收敛状态检测方法，自适应调整惯性权重和学习因子的值，以达到探索和开发的最佳平衡。然后，当检测到种群收敛停滞时，采用一种带有高斯函数和混沌特性的变异算子协助种群跳出局部最优，以增强全局搜索能力。最后，外部档案中的精英解相互学习，增强算法的局部搜索能力。在多目标标准测试问题上的仿真结果表明了所提出算法的有效性。