控制与决策

作者：赵嘉,胡秋敏,肖人彬,潘正祥,崔志华,樊棠怀

单位：南昌工程学院 信息工程学院,南昌 330099;南昌工程学院 南昌市智慧城市物联感知与协同计算重点实验室,南昌 330099,,南昌工程学院 信息工程学院,南昌 330099;南昌工程学院 南昌市智慧城市物联感知与协同计算重点实验室,南昌 330099,,华中科技大学 人工智能与自动化学院,武汉 430074,,山东科技大学 计算机科学与工程学院,山东 青岛 266590,,太原科技大学 计算机科学与技术学院,太原 030024,,南昌工程学院 信息工程学院,南昌 330099;南昌工程学院 南昌市智慧城市物联感知与协同计算重点实验室,南昌 330099,

关键词：萤火虫算法;高维多目标优化;大规模稀疏优化;稀疏性;收敛速度;动态评分

基金：国家自然科学基金项目(52069014).

多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大时,将导致Pareto支配失效和收敛速度变慢.鉴于此,提出一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA).首先,所提出算法基于双编码混合集成的方式生成稀疏的初始种群,并提出动态评分策略,此策略在每轮迭代时动态更新决策变量得分,为后续迭代提供先验知识,以保证解集的稀疏性;然后,根据模糊支配概念以及萤火虫间的欧氏距离提出邻域搜索策略,摒弃全吸引模型对算法收敛速度的影响,同时避免目标维数过大导致的Pareto支配失效;最后,引入线性调整因子改进萤火虫的位置更新公式,提升种群的搜索能力.实验结果表明,处理大规模稀疏多目标优化问题时,所提出算法具备高效的性能.

来源：2024年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第12期