您好，欢迎来到中国测试科技资讯平台！
摘要：
为了提升多目标粒子群算法的收敛性和分布性，提出了一种多策略融合改进的多目标粒子群优化算法（Multi-objective particle swarm optimization by fusing multiple strategies,MOPSO-MS）。首先，设计了空间平均拥挤距离法，在全面考虑个体对拥挤距离的影响且降低算法时间复杂度和计算成本的基础上，确保外部档案维护的高效性并提升了算法的分布性。其次，算法利用粒子差值指导自适应惯性权重，以粒子的历史最优与种群最优粒子的差距程度来指导w取值，随差距程度的不同非线性地调整w的大小，可提升算法的收敛性。最后，设计分层选取全局最优策略，以确定全局最优位置来控制搜索方向，从而避免了搜索方向单一及搜索方向随机性不足，使得全局最优位置选取更客观全面，进一步提升了算法的收敛性。该算法与另外8种算法在ZDT测试函数和DTLZ测试函数上进行对比试验，结果表明，该算法在收敛性和分布性上具有显著优势。
关键词： 多目标粒子群算法;空间平均拥挤距离;差值指导;分层选取全局最优;
作者： 许振兴1祝水然2
作者单位： 1. 安徽工业大学管理科学与工程学院2. 天津大学电气自动化与信息工程学院
刊名： 《测试科学与仪器》（英文）
Journal： Journal of Measurement Science and Instrumentation
年，卷(期)： 2022, (3)
在线出版日期： 2022年09月28日
页数： 16
页码： 284-299
友情链接：
广告代理：秦皇岛北驰文化传播有限公司
理事会外联部
印 刷：成都天麦点金实业有限公司
国内总发行：成都市邮政局
邮发代号：62-260
国外发行：中国出版对外贸易总公司
国外代号：DK51019
中国标准连续出版物号：ISSN 1674-5124 CN51-1714/TB
业内最新资讯动态
请关注微信公众号
蜀ICP备11014963号-1 《中国测试》杂志社 版权所有 技术支持：成都驰创数码
文档下载