一种基于梯度下降法的多目标粒子群优化方法

摘要

本发明涉及人工智能研究领域，尤其涉及一种基于梯度下降法的多目标粒子群优化方法，本方法将粒子群优化算法扩展到多目标优化，同时结合梯度下降法，改善多目标粒子群算法的优化性能，解决了非连续函数梯度的计算，加快了算法在计算梯度方面的速度，降低了算法的复杂度。

主权项

一种基于梯度下降法的多目标粒子群优化方法，其特征在于包括如下步骤：(1)对粒子群种群进行初始化；在目标空间中随机化粒子群，设置每个粒子的个体极值与全局极值为初始位置；设置外部档案集为空；初始化迭代次数t＝0；(2)计算粒子群内各粒子的目标函数值，并判断目标函数值是否满足迭代终止准则，若满足最大迭代次数，则完成优化并输出结果；否则更新迭代次数t＝t+1,执行步骤(3)；(3)判断粒子的支配关系，将非支配解放入外部档案集；(4)在粒子群内选取最优粒子，更新该粒子的个体极值与全局极值；(5)计算粒子群内所有粒子在各目标函数上的适应值，将新的非支配解更新放入外部档案集；(6)利用梯度策略更新每个粒子的位置和速度后跳转执行步骤(2)。