基于按区择取全局最优解和就近择取个体最优解的多目标粒子群算法

摘要

为了使多目标粒子群算法近似Pareto前端的收敛性和多样性更优，本发明提出了基于按区择取全局最优解和就近择取个体最优解的多目标粒子群算法，将坐标第一象限区域按角度平均划分成一定的扇形区域，让粒子在与自己同一区域的非劣解中选取全局最优解，同时设置个体外部档案保存每个个体粒子发现的Pareto最优解,从个体外部档案中选取与粒子向量夹角最小的个体外部档案向量所对应的位置作为个体极值，以及在基本速度更新公式中增加了粒子对自己不好历史经验认知的项，并采用类似于分析标准PSO的优化机理的方法证明其有效性。用本算法优化2个多目标检测函数，与其他2种优化算法相比，以验证本改进算法更佳的优化效果。

主权项

基于按区择取全局最优解和就近择取个体最优解的多目标粒子群算法，包括如下步骤：⑴多目标优化问题；⑵粒子的速度和位置更新公式；⑶外部档案维护策略；⑷全局最优解选择策略；⑸个体最优解选择策略；⑹改进多目标粒子群算法的计算流程；⑺实验及其分析。