基于高斯-柯西混合变异的多目标粒子群算法
舒一鸣
戴毅茹
同济大学CIMS研究中心 上海 201804
摘要：针对MOPSO优化算法在解决复杂的多目标优化问题上收敛表现差,搜索全局能力不足与易于陷入局部最优的缺陷,提出了一种基于高斯-柯西混合变异的多目标粒子群算法(GC-MOPSO).该算法使用一种混合高斯变异与柯西变异的变异扰动机制来提升粒子在局部与全局的搜索能力,在外部档案中采用锦标赛选择机制选取全局最优个体的策略来增加种群的多样性.通过与六项其他算法在反世代距离(IGD)上进行比较,验证了该算法的优势.
关键词：多目标优化粒子群优化算法高斯-柯西变异锦标赛选择
分类号：TP301.6(计算技术、计算机技术)
资助基金：上海市自然科学基金(19ZR1461500)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1593-1597,1603 )
英文信息