基于QPSO算法求解多目标优化问题及其应用

下载PDF阅读器

本文是研究进化算法，特别是具有量子行为的粒子群算法，解决多目标优化问题。在科学应用和实际应用领域中，普遍存在着多目标决策的问题，各个目标之间往往是相互冲突的，要解决此类问题需要科研人员投入更多的精力。因此，解决多目标优化问题是一个非常有实际意义和科研价值的课题。 本文首先讨论了目前解决复杂优化问题的一种有效方法-进化计算，介绍了该领域中的一种群体智能算法-粒子群算法(ParticleSwarmoptimization，简称PSO)，着重介绍了一种新的具有全局收敛性的算法-具有量子行为粒子群算法(Ouantum-behavedParticleSwarmOptimization，简称QPSO)。然后将PSO算法与QPSO进行了比较，对已有的多目标粒子群算法进行了分析。 在QPSO算法的基础上，结合其他解决多目标优化问题的进化算法技术，研究了两种改进的多目标粒子群算法-基于向量求值的QPSO算法(VEQPSO)和基于目标加权的QPSO算法(WAQPSO)。前者是采用基于向量求值的PSO算法(VEPSO)，结合QPSO算法而形成的，后者则是将WAPSO思想与QPSO算法结合而成的。通过使用一些标准的测试函数对算法进行仿真，并将测试结果与文献中算法相比较，结果表明：QPSO算法所得到的解集分布均匀，能够得到测试函数较为准确的Pareto曲线，验证了QPSO算法求解多目标优化问题的有效性。 最后，把求解约束规划问题归结为多目标优化问题，利用文中提出的WAQPSO算法进行求解，利用测试函数进行了测试，结果表明WAQPSO具有良好的性能。

作 者：

沈佳宁 

学科专业：

计算机应用技术 

授予学位：

硕士 

学位授予单位：

江南大学 

导师姓名：

须文波 

学位年度：

2008 

研究方向：

 

语 种：

chi 

分类号：

O224 TP301.6 

关键词：

QPSO算法  多目标优化  向量求值  目标加权  粒子群算法  群体智能算法 

机标分类号：

 

机标关键词：

多目标粒子群算法  求解  多目标优化问题  Particle Swarm Optimization  测试函数  向量求值  量子行为  进化算法  PSO算法  群体智能算法  目标加权  结果  全局收敛性  多目标决策  相互冲突  实际应用  实际意义  科研人员  科研价值  科学应用 

基金项目：