A Novel Diversity Guided Particle Swarm Multi-lbjective Optimization Algorithm.pdf_第1頁
已閱讀1頁，還剩89頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、粒子群算法是一種由Dr.Eberhart與Dr.Kennedy受鳥群捕食行為的啟發(fā)于1995年提出一種用于單目標優(yōu)化的智能算法,之后被用來解決多目標問題,許多多目標粒子群算法被相繼提出。多目標粒子群優(yōu)化算法是一種用于優(yōu)化同時擁有多個相互沖突目標的問題的算法,目前許多的研究工作都著重于通過一些方法來提高算法一些性能,例如:將擁擠度計算加入多目標粒子群算法中,以提高算法的分布性等等。目前,同時提高算法的收斂性與分布性漸漸成為了該領域的研究熱

2、點與關鍵問題。
　　 本文提出了一種多目標多樣性引導的粒子群算法(MOPSO-AR),算法通過引力斥力機制、擁擠度計算機制與變異算子共同維持著算法的多樣性,而引力斥力機制最為重要,引力斥力機制通過一種度量標準來衡量種群的多樣性,進而根據(jù)多樣性的大小調整粒子的移動距離及方向,使得算法一直保持多樣性,從而克服粒子群算法容易早熟收斂的缺點,同時也提高了解的分布性。
　　 實驗結果表明MOPSO-AR有效地提高了算法的收斂性及分

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論