改进的自适应多目标粒子群算法
2014-11-20曹一家曹丽华李勇辛建波
曹一家+曹丽华+李勇+辛建波
摘要:边界处理和全局最优引导者选择操作对多目标粒子群算法的性能有重要影响,在考虑不同操作方法特征的基础上,提出了改进的自适应多目标粒子群(multiobjective particle swarm optimization, MOPSO)算法.当算法陷入局部最优时,启用交叉变异操作;当算法收敛性停滞时,轮换修剪边界处理和指数分布边界处理操作;当算法多样性停滞时,轮换反比于拥挤距离和反比于控制粒子数目的全局最优引导者概率选择操作.标准测试函数以及柔性交流输电系统(flexible AC transmission system, FACTS)装置优化配置问题的仿真结果验证了所提算法的有效性.
关键词:多目标优化;粒子群优化;帕累托最优;约束控制;边界处理;全局最优选择;自适应控制; 最大传输能力
摘要:边界处理和全局最优引导者选择操作对多目标粒子群算法的性能有重要影响,在考虑不同操作方法特征的基础上,提出了改进的自适应多目标粒子群(multiobjective particle swarm optimization, MOPSO)算法.当算法陷入局部最优时,启用交叉变异操作;当算法收敛性停滞时,轮换修剪边界处理和指数分布边界处理操作;当算法多样性停滞时,轮换反比于拥挤距离和反比于控制粒子数目的全局最优引导者概率选择操作.标准测试函数以及柔性交流输电系统(flexible AC transmission system, FACTS)装置优化配置问题的仿真结果验证了所提算法的有效性.
关键词:多目标优化;粒子群优化;帕累托最优;约束控制;边界处理;全局最优选择;自适应控制; 最大传输能力
摘要:边界处理和全局最优引导者选择操作对多目标粒子群算法的性能有重要影响,在考虑不同操作方法特征的基础上,提出了改进的自适应多目标粒子群(multiobjective particle swarm optimization, MOPSO)算法.当算法陷入局部最优时,启用交叉变异操作;当算法收敛性停滞时,轮换修剪边界处理和指数分布边界处理操作;当算法多样性停滞时,轮换反比于拥挤距离和反比于控制粒子数目的全局最优引导者概率选择操作.标准测试函数以及柔性交流输电系统(flexible AC transmission system, FACTS)装置优化配置问题的仿真结果验证了所提算法的有效性.
关键词:多目标优化;粒子群优化;帕累托最优;约束控制;边界处理;全局最优选择;自适应控制; 最大传输能力