基于QPSO和拥挤距离排序的多目标量子粒子群优化算法

作     者：施展 陈庆伟 SHI Zhan;CHEN Qing-wei

作者机构：南京理工大学自动化学院南京210094 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2011年第26卷第4期

页      面：540-547页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(60975075) 教育部高等学校博士学科点基金项目(20070288022) 江苏省自然科学基金项目(BK2008404) 

主　　题：多目标优化 量子行为特性粒子群优化 拥挤距离 Pareto最优解 

摘      要：为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,提出一种基于量子行为特性的粒子群优化(QPSO)和拥挤距离排序的多目标量子粒子群优化(MOQPSO-CD)算法.MOQPSO-CD利用QPSO快速接近真实的Pareto最优解,同时引入高斯变异算子以增强解的多样性.采用拥挤距离排序的方法对外部存储器中最优解进行更新和维护,使得从中选择的具有全局最优的领导粒子能够引导粒子群最终找到真实的Pareto最优解.仿真结果表明,MOQPSO-CD具有更好的收敛性和更均匀的分布性.