An External Archive-Guided Multiobjective Particle Swarm Optimization Algorithm
An External Archive-Guided Multiobjective Particle Swarm Optimization Algorithm
复制标题
一种外部存档引导的多目标粒子群优化算法
DOI：
10.1109/tcyb.2017.2710133
复制
发表时间：
2017-06
影响因子：
11.8
通讯作者：
Zhang Jun
中科院分区：
文献类型：
--
作者：
Zhu Qingling;Lin Qiuzhen;Chen Weineng;Wong Ka-Chun;Coello Carlos A. Coello;Li Jianqiang;Chen Jianyong;Zhang Jun
群体领导者的选择（即个人最佳和全局最佳）在多目标粒子群优化（MOPSO）算法的设计中非常重要。这些领导者有望有效引导群体接近真正的帕累托最优前沿。在本文中，我们提出了一种新颖的外部存档引导的 MOPSO 算法（AgMOPSO），其中速度更新的领导者全部从外部存档中选择。在我们的算法中，多目标优化问题（MOP）使用分解方法转化为一组子问题，然后相应地分配每个粒子来优化每个子问题。设计了一种新颖的档案引导速度更新方法来引导群体进行探索，并且外部档案也使用基于免疫的进化策略进行进化。这些提出的方法加速了 AgMOPSO 的收敛。实验结果充分证明了我们提出的 AgMOPSO 在解决大多数采用的测试问题方面的优越性，就两种常用的性能指标而言。此外，我们提出的存档引导速度更新方法和基于免疫的进化策略的有效性也在 30 多个测试 MOP 上得到了实验验证。
The selection of swarm leaders (i.e., the personal best and global best), is important in the design of a multiobjective particle swarm optimization (MOPSO) algorithm. Such leaders are expected to effectively guide the swarm to approach the true Pareto optimal front. In this paper, we present a novel external archive-guided MOPSO algorithm (AgMOPSO), where the leaders for velocity update are all selected from the external archive. In our algorithm, multiobjective optimization problems (MOPs) are transformed into a set of subproblems using a decomposition approach, and then each particle is assigned accordingly to optimize each subproblem. A novel archive-guided velocity update method is designed to guide the swarm for exploration, and the external archive is also evolved using an immune-based evolutionary strategy. These proposed approaches speed up the convergence of AgMOPSO. The experimental results fully demonstrate the superiority of our proposed AgMOPSO in solving most of the test problems adopted, in terms of two commonly used performance measures. Moreover, the effectiveness of our proposed archive-guided velocity update method and immune-based evolutionary strategy is also experimentally validated on more than 30 test MOPs.
登录
查看更多内容
影响因子：
14.3
作者：
Jain, Himanshu;Deb, Kalyanmoy
通讯作者：
Deb, Kalyanmoy
影响因子：
4.1
作者：
L. Jiao;Maoguo Gong;Ronghua Shang;Haifeng Du;Bin Lu
通讯作者：
L. Jiao;Maoguo Gong;Ronghua Shang;Haifeng Du;Bin Lu
DOI：
10.1145/2001576.2001587
发表时间：
2011-07
期刊：
--
影响因子：
--
作者：
Saúl Zapotecas Martínez;C. Coello
通讯作者：
Saúl Zapotecas Martínez;C. Coello
一种基于分解的外部档案引导组合优化多目标进化算法
影响因子：
14.3
作者：
Cai, Xinye;Li, Yexing;Zhang, Qingfu
通讯作者：
Zhang, Qingfu
影响因子：
6.8
作者：
Al Moubayed, N.;Petrovski, A.;McCall, J.
通讯作者：
McCall, J.