回立川，林昌澎

辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105

采用概率选择的自适应多目标粒子群算法

回立川，林昌澎

辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105

针对多目标粒子群算法进行了收敛性和分布性分析，提出了一种应用概率分配的自适应调整惯性因子的粒子群优化算法。该算法通过粒子非劣排序的支配等级，设定个体的适应度数值，为增强最优解集的分散性，采用拥挤距离对适应度进行惩罚，进而根据概率选择比较获取相应的最优个体；同时算法根据粒子个体所处位置以及相应的迭代次数，对惯性因子进行了自适应调整，增强了算法的收敛性。最后通过测试函数对改进算法进行了效果验证，表明了算法的有效性。

粒子群算法；概率分配；自适应调整；优化

1 引言

粒子群优化算法（PSO）是Kennedy和Eberhart等人[1]通过对鱼类、鸟类群集活动所形成的协同智能进行总结提出来的一种进化算法。近几年来，粒子群作为解决复杂优化问题的方法，不仅在单目标问题上得到了应用[2-3]，更在多目标优化上得到了广泛发展。

文献[3]引入了精英集合来记录现有的最优解集，并用来指导个体的飞行。Zitzler和Thiele在所设计的多目标优化算法SPEA2[4]中提出了环境选择和配对选择的概念。冯金芝运用比例分布及跳数改进机制来提高局部搜索能力[5]。黄平结合非支配排序策略合动态加权方法，提出了小生境多目标粒子群优化算法，增强了全局搜索能力[6]。……