目录
1.算法概述
Pulido等将整个种群划分成许多个子种群,在算法迭代运行的过程中,采用PSO算法对每个子种群单独进行运算,而搜索Pareto最优解则是通过各个子种群之间的信息交换来实现的。但同时由于微粒数目的增加对算法的计算量也造成了影响。
①初始化群体粒子群的位置和速度,计算适应值
②根据pareto支配原则,计算得到Archive 集(存放当前的非劣解)
③计算pbest
④计算Archive集中的拥挤度
⑤在Archive集选择gbest
⑥更新粒子的速度、位置、适应值
⑦更新Archive集(还要注意防止溢出)
⑧满足结束条件,则结束;否则,转到第③步继续循环。
公式化:

本文介绍了基于MATLAB的粒子群优化(PSO)算法在双目标优化问题上的仿真过程。首先概述了算法原理,包括群体初始化、Pareto支配原则计算 Archive 集、更新pbest、计算拥挤度、选择gbest以及更新速度和位置。接着展示了仿真的效果,并提供了MATLAB仿真源码。
订阅专栏 解锁全文
693

被折叠的 条评论
为什么被折叠?



