论文部分内容阅读
为定量解决非支配解排序问题，并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization，MOPSO）的收敛性和多样性，提出了一种基于Pareto云隶属度的MOPSO算法。利用Logistic混沌映射优化种群的初始空间分布并融合布谷乌搜索（cuckoo search，CS）指导粒子跳出局部陷阱，以增强算法的全局寻优能力。首次提出云向量评价Pareto最优解集方法，采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优，平衡全