為提高蝗蟲優(yōu)化算法(GOA)求解多目標(biāo)問題的性能,提出一種基于多策略融合的混合多目標(biāo)蝗蟲優(yōu)化算法(HMOGOA)。首先,利用Halton序列建立初始種群,保證種群在初始階段具有均勻分布和較高多樣性;然后,通過差分變異算子引導(dǎo)種群變異,促進種群向優(yōu)勢個體移動同時進行更大范圍尋優(yōu);最后,利用自適應(yīng)權(quán)重因子根據(jù)種群優(yōu)化情況動態(tài)調(diào)整算法全局搜索和局部尋優(yōu)能力,提高優(yōu)化效率及解集質(zhì)量。選取7個典型函數(shù)進行實驗測試,并將HMOGOA與多目標(biāo)蝗蟲優(yōu)化、多目標(biāo)粒子群(MOPSO)、基于分解的多目標(biāo)進化(MOEA/D)及非支配排序遺傳算法(NSGAⅡ)對比分析。實驗結(jié)果表明,該算法避免了其他四種算法的局部最優(yōu)問題,明顯提高了解集分布均勻性和分布廣度,具有更好的收斂精度和穩(wěn)定性。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 標(biāo)準(zhǔn)多目標(biāo)蝗蟲優(yōu)化算法
2 混合多目標(biāo)蝗蟲優(yōu)化算法
    2.1 基于Halton序列初始化
    2.2 基于差分變異算子的種群更新策略
    2.3 自適應(yīng)權(quán)重因子
    2.4 混合多目標(biāo)蝗蟲優(yōu)化算法的流程
3 實驗及分析
    3.1 測試問題及實驗設(shè)置
    3.2 性能指標(biāo)
    3.3 實驗結(jié)果及分析
4 結(jié)語



本文編號：3748006