混合擇優的多目標免疫粒子群優化算法

仲昭明，李向陽，逄珊

ZHONG Zhaoming1,LI Xiangyang2,PANG Shan3

1.魯東大學 物理與光電工程學院，山東 煙臺 264025 2.煙臺聯通信息化支撐中心，山東 煙臺 264001

3.魯東大學 信息科學與工程學院，山東 煙臺 264025

混合擇優的多目標免疫粒子群優化算法

仲昭明1，李向陽2，逄珊3

ZHONG Zhaoming1,LI Xiangyang2,PANG Shan3

1.魯東大學 物理與光電工程學院，山東 煙臺 264025 2.煙臺聯通信息化支撐中心，山東 煙臺 264001

3.魯東大學 信息科學與工程學院，山東 煙臺 264025

1 引言

很多實際工程問題需要同時優化多個目標，這類問題稱為多目標優化問題。由于存在多個相互沖突的目標，此類問題不存在單個解滿足所有目標，而存在一個折衷解的集合，稱為Pareto最優解集或非支配解集[1]。

進化算法是基于種群的智能優化算法，一次運行能夠求得問題的多個解，很適合求解多目標優化問題。目前已被成功應用于多目標優化領域，并發展成為一個新的研究方向：進化多目標優化[2-3]。近年來，一些新的智能算法被引入多目標優化問題的求解，其中基于粒子群的多目標優化是近年來逐步發展起來的一個新興研究方向。同進化算法相比，粒子群算法由于具有控制參數少以及收斂速度快等優點得到迅速發展。

但由于粒子群的單項信息共享機制。算法在多目標優化過程中經常會遇到早熟收斂等問題[4]。并且群中每個粒子都在解集中各自的全局極值的指導下搜索，如果最優解的選取不當，難以獲得均布性好的解。因此如何選擇粒子的全局極值是十分重要的，對于多目標優化算法解的收斂性和多樣性都有很大影響?！?br>