计算机应用

作者：谭阳, 唐德权, 曹守富

单位：1. 湖南师范大学 数学与统计学院, 长沙 410081;2. 湖南广播电视大学 网络技术系, 长沙 410004;3. 湖南警察学院 信息技术系, 长沙 410138

关键词：高维多目标优化问题,Pareto支配,粒子群,多样性

基金：国家自然科学基金资助项目（61471169）；湖南省自然科学基金资助项目（2018JJ2104）；湖南省教育厅科学研究基金资助项目（15C0928）。

高维多目标优化问题（MAOP）会随着待优化问题维度的增加形成巨大的目标空间，导致在目标空间中非支配解的比例急剧增加，削弱了进化算法的选择压力，降低了进化算法对MAOP的求解效率。针对这一问题，提出一种以超球型支配关系降低种群中非支配解数量的粒子群优化（PSO）算法。算法以模糊支配策略来维持种群对MAOP的选择压力，并通过全局极值的选择和外部档案的维护来保持种群个体在目标空间中的分布。在标准测试集DTLZ和WFG上的仿真结果表明，所提算法在求解MAOP时具备较优的收敛性和分布性。

来源：2019年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第11期