国际群体智能与进化计算杂志

抽象的

采用梯度下降搜索的多目标粒子群优化算法

李马和 Babak Forouraghi*

粒子群优化 (PSO) 已被证明是一种处理多种优化问题的可靠方法。具体而言，在解决多目标 PSO (MOPSO) 优化问题时，必须仔细注意参数选择和实施策略，以提高优化器的性能。本文提出了一种具有增强局部搜索能力的新型 MOPSO。引入了一种新的无参数共享方法来估计搜索空间中粒子邻域的密度。最初，所提出的方法准确地确定了解决方案的拥挤因子；在后期阶段，它有效地引导整个群体接近真正的帕累托前沿。此外，该算法利用梯度下降的局部搜索方法来更好地探索帕累托最优区域。报告了该算法在几个测试函数和一个工程设计问题上的性能，并与其他方法进行了比较。获得的结果表明，所提出的算法能够有效地沿帕累托最优前沿搜索并确定权衡解决方案。