基于种群曼哈顿距离的自适应多目标粒子群优化算法

来源：计算机集成制造系统杂志2020年第4期北京时间：

作者：李浩君,张鹏威,郭海东

单位：1.浙江工业大学教育科学与技术学院2.杭州市电子信息职业学校

摘要：针对多目标粒子群优化算法存在收敛性不足和多样性丢失问题,提出一种根据进化状态平衡收敛性能与多样性能的自适应多目标粒子群优化算法(pmdMOPSO)。该算法首先采用种群曼哈顿距离实时检测算法的进化状态,将进化状态分为探索和收敛两个阶段,并根据进化状态的两个阶段分别采用不同的速度更新模式,实现算法性能的提升;其次设计了具有Levy飞行探索认知行为的速度动力学方程,旨在增强全局探索能力;最后使用种群曼哈顿距离构成的差分向量设计进化参数自适应更新模式,平衡算法全局探索与局部开采的能力。通过对MOP1~MOP7测试函数上的实验结果分析,表明pmdMOPSO算法较对比算法具有更好的收敛性能和多样性能。

关键词：多目标粒子群优化算法,种群曼哈顿距离,Levy飞行探索认知,参数自适应

基金资助：国家自然科学基金资助项目(61503340);国家社会科学基金资助项目(16BTQ084)。