基于分解的多目标粒子群优化算法研究及其应用的任务书一、选题背景和意义多目标优化问题在实际应用中广泛存在,例如企业的生产调度、资源分配问题、机器人路径规划等。针对这些问题,传统的优化算法通常只能得到单一的最优解,并不能满足实际应用的需求。因此,多目标优化算法被广泛研究和应用。粒子群优化算法是一种常用的优化...
粒子群算法(PSO)自适应适应度分解拥挤距离为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法.首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新...
为了提高多目标优化算法解集的分布性和收敛性,提出一种基于分解和差分进化的多目标粒子群优化算法(dMOPSO-DE).该算法通过提出方向角产生一组均匀的方向向量,确保粒子分布的均匀性;引入隐式精英保持策略和差分进化修正机制选择全局最优粒子,避免种群陷入局部最优Pareto前沿;采用粒子重置策略保证群体的多样性.与非支配排序...
目标空间分解基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)在求解2,3个目标优化问题时具有较好的收敛性和多样性,但在求解高维多目标优化问题时难度较大.对此,提出一种基于R2指标和目标空间分解的高维多目标粒子群优化算法(R2-MOPSO-II).首先借鉴R2指标和目标空间分解策略综合权衡选择过程的收敛性和多样性,...
分解针对动态多目标问题求解,提出一种基于分解的预测型动态多目标粒子群优化算法.首先借助分解思想,将目标问题划分为多个不同的子问题,当问题动态变化时,选择对应于不同子问题的优化个体检测环境变化程度,以提高算法对不同动态问题的适应与响应能力;然后,设计一种群体预测策略,通过将目标空间中相同收敛方向上不同时刻的...
算法中,提出了基于大规模变量分解的多目标粒子群优化算法(CCMOPSO).将该算法在经典标准测试函数ZDT1,ZDT2,ZDT3,DTLZ1,DTLZ2变量扩展后进行仿真对比实验,采用加法二进制ε指标和超体积指标(HV)对算法收敛性和多样性进行对比分析,实验结果表明,在解决大规模变量的多目标函数中,变量维度越高,该算法比经典多目标算法...
稀疏分解多目标粒子群算法参数优化数据压缩针对振动信号稀疏分解过程中存在的复杂参数设置问题,提出利用多目标粒子群算法进行稀疏分解参数优化,以实现振动信号的有效压缩.根据多目标粒子群理论,建立稀疏分解参数优化模型,确定粒子群优化目标函数,待优化参数,分析参数设置与目标函数之间的泛函关系.设计仿真实验,研究数据压缩指标...