控制与决策

作者：吕莉,潘宁康,肖人彬,王晖,谭德坤

单位：南昌工程学院 信息工程学院,南昌 330099,,南昌工程学院 信息工程学院,南昌 330099,,华中科技大学 人工智能与自动化学院,武汉 430074,,南昌工程学院 信息工程学院,南昌 330099,,南昌工程学院 信息工程学院,南昌 330099,

关键词：萤火虫算法;约束多目标优化;动态罚函数法;Lévy flights;随机扩张因子;自适应维度重组

基金：科技创新2030-“新一代人工智能”重大项目(2018AAA0101200)；国家自然科学基金项目(62066030).

目前多目标优化算法主要针对如何处理多个目标之间的冲突,对于如何处理约束考虑较少,鉴于此,提出一种求解带约束优化问题的混合式多策略萤火虫算法(HMSFA-PC).首先,提出一种改进的动态罚函数策略对约束优化问题进行预处理,将其转换为非约束优化问题;其次,对萤火虫算法本身进行改进,采用Lévy flights搜索机制有效地增大搜索范围;接着,引入随机扩张因子改进算法吸引模型,使种群突破束缚,有效避免早熟收敛,提出自适应维度重组机制,根据不同迭代时期选择差异性较大的个体进行信息交互、相互学习.为检验算法处理无约束优化问题的性能,将其在基准测试函数上与部分典型算法进行比较;为检验算法处理约束优化问题的性能,将其在实际约束测试问题中与一些顶尖约束求解算法进行比较.结果表明,HMSFA-PC在处理无约束优化问题时具有收敛速度快、收敛精度高等优势,并且在动态罚函数的协作下求解实际约束优化问题时仍具有良好的优化性能.

来源：2024年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第8期