改進的自適應多目標粒子群算法

曹一家+曹麗華+李勇+辛建波

摘要：邊界處理和全局最優引導者選擇操作對多目標粒子群算法的性能有重要影響，在考慮不同操作方法特征的基礎上，提出了改進的自適應多目標粒子群（multiobjective particle swarm optimization， MOPSO）算法.當算法陷入局部最優時，啟用交叉變異操作；當算法收斂性停滯時，輪換修剪邊界處理和指數分布邊界處理操作；當算法多樣性停滯時，輪換反比于擁擠距離和反比于控制粒子數目的全局最優引導者概率選擇操作.標準測試函數以及柔性交流輸電系統（flexible AC transmission system， FACTS）裝置優化配置問題的仿真結果驗證了所提算法的有效性.

關鍵詞：多目標優化；粒子群優化；帕累托最優；約束控制；邊界處理；全局最優選擇；自適應控制； 最大傳輸能力

摘要：邊界處理和全局最優引導者選擇操作對多目標粒子群算法的性能有重要影響，在考慮不同操作方法特征的基礎上，提出了改進的自適應多目標粒子群（multiobjective particle swarm optimization， MOPSO）算法.當算法陷入局部最優時，啟用交叉變異操作；當算法收斂性停滯時，輪換修剪邊界處理和指數分布邊界處理操作；當算法多樣性停滯時，輪換反比于擁擠距離和反比于控制粒子數目的全局最優引導者概率選擇操作.標準測試函數以及柔性交流輸電系統（flexible AC transmission system， FACTS）裝置優化配置問題的仿真結果驗證了所提算法的有效性.

關鍵詞：多目標優化；粒子群優化；帕累托最優；約束控制；邊界處理；全局最優選擇；自適應控制； 最大傳輸能力

摘要：邊界處理和全局最優引導者選擇操作對多目標粒子群算法的性能有重要影響，在考慮不同操作方法特征的基礎上，提出了改進的自適應多目標粒子群（multiobjective particle swarm optimization， MOPSO）算法.當算法陷入局部最優時，啟用交叉變異操作；當算法收斂性停滯時，輪換修剪邊界處理和指數分布邊界處理操作；當算法多樣性停滯時，輪換反比于擁擠距離和反比于控制粒子數目的全局最優引導者概率選擇操作.標準測試函數以及柔性交流輸電系統（flexible AC transmission system， FACTS）裝置優化配置問題的仿真結果驗證了所提算法的有效性.

關鍵詞：多目標優化；粒子群優化；帕累托最優；約束控制；邊界處理；全局最優選擇；自適應控制； 最大傳輸能力