控制与决策

作者：李飞,吴紫恒,刘阚蓉,葛二千

单位：安徽工业大学 电气与信息工程学院,安徽 马鞍山 243032;安徽省高校电力电子与运动控制重点实验室,安徽 马鞍山 243032,,安徽工业大学 电气与信息工程学院,安徽 马鞍山 243032,,安徽工业大学 电气与信息工程学院,安徽 马鞍山 243032,,安徽工业大学 电气与信息工程学院,安徽 马鞍山 243032,

关键词：高维多目标优化;粒子群优化算法;双层档案;局部最优;R2指标;目标空间分解

基金：国家自然科学基金青年项目(61903003)；安徽省自然科学基金青年项目(2008085QE227)；安徽省高校自然科学重点研究项目(KJ2019A0051)；安徽省高校电力电子与运动控制重点实验室开放课题(PEMC201903).

基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)在求解2、3个目标优化问题时具有较好的收敛性和多样性,但在求解高维多目标优化问题时难度较大.对此,提出一种基于R2指标和目标空间分解的高维多目标粒子群优化算法(R2-MOPSO-II).首先借鉴R2指标和目标空间分解策略综合权衡选择过程的收敛性和多样性,设计双层档案维护策略;然后设计一种新的向导选择策略来连接目标空间和决策变量空间,进而提出一种基于双层档案的速度和位置更新策略以权衡粒子群优化算法的勘探和开采能力;最后通过引入高斯学习策略和精英学习策略防止粒子陷入局部最优前沿.数值仿真结果表明,所提出算法在求解DTLZ和WFG测试问题时具有较好的收敛性和多样性.

来源：2021年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第9期