排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
多目标粒子群算法具有收敛速度快、原理简单和易于实现等优点，被广泛应用于解决多目标优化问题。然而，它存在容易过早收敛、陷入局部最优等缺点。针对上述问题，提出了一种嵌入Circle映射的混合策略多目标粒子群算法(CMEMOPSO)。当粒子当前位置与其个体历史最优位置互不支配时，在一定概率下，利用Circle映射调整粒子位置，使其找到更优的解。同时，若外部存档达到预定阈值，则使用结合个体密度和拐点距离的混合评价指标评估非劣解的综合性能，去除较差的非劣解以实现对外部存档的更新，提高算法的综合性能。最后，利用所提出的算法在12个典型测试函数上进行实验。实验结果表明CMEMOPSO具有良好的收敛性和更快的收敛速度，它在大多数测试函数上优于其他比较算法。 相似文献
2.
针对现有的多目标粒子群算法易陷入局部最优、难以平衡收敛性和多样性等方面的问题，提出一种协同控制多目标粒子群算法(CCMOPSO)。首先，算法脱离Pareto支配关系采用成就标量函数更新pbest。其次，提出了一种平均角度和最低距离相结合的协同策略，以删除外部存档中性能不好的非劣解。从而对存档进行维护，平衡收敛性和多样性，有利于非支配解逼近Pareto前沿。最后，将CCMOPSO算法与几个多目标优化算法在15个测试问题上进行仿真实验。实验结果分析表明CCMOPSO算法的有效性可以很好地平衡收敛性和多样性，避免陷入局部最优。从而说明CCMOPSO算法在处理多目标优化问题表现出较强的竞争力。 相似文献
1