基于相似度的自适应多目标粒子群算法

作     者：宋倩 刘衍民 张小艳 张岩松 SONG Qian;LIU Yan-min;ZHANG xiao-yan;ZHANG Yan-Song

作者机构：贵州民族大学数据科学与信息工程学院贵州贵阳550025 遵义师范学院数学学院贵州遵义563006 贵州大学数学与统计学院贵州贵阳550025 

出 版 物：《遵义师范学院学报》 (Journal of Zunyi Normal University)

年 卷 期：2024年第26卷第4期

页      面：94-100页

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：贵州省进化人工智能重点实验室项目(059) 贵州省数字经济重点人才计划项目(2022001) 

主　　题：多目标优化 相似度 自适应 收敛性 多样性 

摘      要：在多目标粒子群优化的设计中,收敛性和多样性的正确管理是获得接近真实帕累托前沿并分布良好的近似解的关键。为了更好地平衡收敛性和多样性,防止算法过早收敛,提出了一种基于相似度的自适应多目标粒子群算法(SAMOPSO)。首先,算法利用存档中每个解与其他解之间的相似度和适应度值来维护存档获得高质量的候选解。其次,引入了一种基于各粒子信息的自适应飞行参数调整机制,进一步提高SAMOPSO算法的进化性能。最后,将SAMOPSO算法与六个经典多目标优化算法在15个基准测试函数上进行比较,结果证实了该算法的有效性。