基于多目标的竞争粒子群优化算法的研究OA北大核心CSTPCD
Research on competitive particle swarm optimization algorithm based on multi-objective
针对竞争粒子群优化算法较易陷入局部最优及对全局搜索能力有限等问题,本文提出基于多 目标的竞争粒子群优化算法(MOCSO).首先,为提高算法的多样性,建立多 目标模型,在二元锦标竞争机制下分别以适应度值与多样性作为粒子优劣的评判目标,将粒子划分到不同的非支配层中;其次,为有效兼顾粒子的探索与开发,引入概率随机选择策略,有效保留种群内的优秀基因,引导种群的进化方向.实验结果表明,在CEC2008基准测试函数集上与其他6种算法进行性能与计算效率的比较,本算法具有一定的优势.
王彬;王丹妮;江巧永;杨家杰
西安理工大学计算机科学与工程学院,陕西西安710048西安理工大学计算机科学与工程学院,陕西西安710048西安理工大学计算机科学与工程学院,陕西西安710048滑铁卢大学数学院,加拿大滑铁卢N2L 3G1
数理科学
竞争粒子群优化算法多目标模型概率随机选择适应度值多样性
《西安理工大学学报》 2022 (1)
基于统计分析理论的有毒云团运动预测研究
75-82,8
国家自然科学基金资助项目(61976177)
评论