基于双决策和快速分层的多目标粒子群算法

摘要

针对粒子群算法在求解多目标优化问题时存在的收敛性不足和多样性缺失等问题,提出一种基于双决策和快速分层的新型多目标粒子群算法(DDFSMOPSO);在该算法中,采用外部存档对迭代产生的非劣解进行存储,并利用拥挤距离和绝对距离相结合的双决策策略对外部存档规模进行维护,使得优秀粒子在随后的进化过程中易于保留和发展;同时,采用快速分层策略从外部存档中选取全局学习样本,用于领导种群中粒子的进化,促使种群中的粒子向真实的Pareto前沿移动;将DDFSMOPSO算法和3种经典的多目标粒子群算法在ZDT和DTLZ系列的部分测试函数上进行仿真实验;实验结果表明:相比其他几种经典算法,DDFSMOPSO算法表现出较好的收敛性和多样性,因此,DDFSMOPSO算法可以作为求解多目标优化问题的有效算法。