论文部分内容阅读
针对粒子种群较差的局部搜索能力，提出了一种自适应种群更新策略的多目标粒子群算法。该算法在每次种群进行迭代时，根据种群的多样性测度以及每个粒子的适应度值，自适应地改变速度权重，以此来提高种群粒子在局部搜索时的活性，使算法具有较强的局部搜索能力同时又保留了足够的全局搜索能力。最后利用多组经典测试样例进行仿真，并与传统的粒子群算法以及速度线性衰减算法做比较，在单目标优化中，自适应粒子群算法能够更快地寻找最优位置；在多目标优化中，自适应粒子群算法能够更快速地收敛于帕累托最优边界。