标准多目标基准问题的多目标群算法实证研究-研究论文

多目标优化 (MOO) 是一项复杂的任务。 它被广泛用于解决工业和工程领域的多种多目标问题（MOP）。 最可行的进化方法之一是“粒子群优化”（PSO），它取决于群的智能集体行为。 标准 PSO 结合了帕累托强度的概念来控制代理的飞行方向。 它还保留了先前在全局存储库中发现的非支配向量，随后其他代理利用该存储库来指导他们自己的逃跑。 在这封信函中，我们提出了一项关于多目标粒子群优化 (MOPSO) 的实证研究，以处理 MOP。 它使用相对较少的控制调整参数，也用于求解多模态和多维 MOP，以获得高收敛速度、更好地理解收敛行为以及搜索空间中解的多样性。 MOPSO 方法建立在 12 个标准 MOP 上，实验结果表明它比其他最先进的“多目标进化算法”（MOEA）具有很强的竞争力和效率。