多目标粒子群优化算法及其应用研究综述

作     者：叶倩琳 王万良 王铮 YE Qianlin;WANG Wanliang;WANG Zheng

作者机构：浙江工业大学计算机科学与技术学院浙江杭州310023 浙大城市学院计算机与计算科学学院浙江杭州310015 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2024年第58卷第6期

页      面：1107-1120,1232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)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61873240,51875524) 浙江省重点研发计划资助项目(领雁计划)(2023C01168) 数字化制造装备与技术国家重点实验室基金资助项目(2023C01168) 

主　　题：粒子群优化 多目标优化 Pareto解集 收敛性 多样性 

摘      要：现有研究较少涵盖最先进的多目标粒子群优化(MOPSO)算法.本研究介绍了多目标优化问题(MOPs)的研究背景,阐述了MOPSO的基本理论.根据特征将其分为基于Pareto支配、基于分解和基于指标的3类MOPSO算法,介绍了现有的经典算法.介绍相关评价指标,并选取7个有代表性的算法进行性能分析.实验结果展示了传统MOPSO和3类改进的MOPSO算法各自的优势与不足,其中,基于指标的MOPSO在收敛性和多样性方面表现较优.对MOPSO算法在生产调度、图像处理和电力系统等领域的应用进行简要介绍.并探讨了MOPSO算法用于求解复杂优化问题的局限性及未来的研究方向.