动态邻居维度学习的多目标粒子群算法
来源：计算机工程与应用杂志2017年第20期北京时间：
作者：肖闪丽，王宇嘉，聂善坤
单位：上海工程技术大学 电子电气工程学院，上海 201620
摘要：针对多目标粒子群算法多样性较差，种群选择压力随着变量维度增加的问题，提出了基于动态邻居维度学习的多目标粒子群算法（DNDL-MOPSO）。该算法首先构建最优维度个体，然后在“个体认知”和“社会认知”的基础上，对粒子速度更新公式进行改进，采用每一维上学习对象不固定的交流方式，最后利用随机向导学习策略，增加种群多样性。实验结果表明该方法能够提高算法的全局收敛性，增加种群的多样性，缓解选择压力，有效解决多峰多目标优化问题。
关键词：粒子群算法,多目标优化,动态邻居,最优维度粒子,随机向导学习
