朱玉菲 张纪会 段明

摘要： 针对多目标粒子群算法在选取全局最优解和保持种群多样性上存在的缺陷，本文提出了一种基于分解的自适应多目标粒子群优化算法。该算法采用切比雪夫聚合方法，将多目标问題聚合为若干个单目标问题，并对每一个单目标问题粒子的速度和位置更新公式进行改进，提高了算法搜索到Pareto解集的效率。同时，改进了惯性权重和加速因子，使其自适应调整，能够更好地平衡全局和局部搜索，采用网格技术存储最优解集，能有效保持进化群体的分布均匀性，并采用5个经典的两目标测试函数进行了仿真实验。实验结果表明，通过改进粒子群算法的速度和位置更新公式，可以提高非支配解对真实解的逼近程度，体现了本算法的有效性；多目标粒子群优化算法求得的Pareto解集，在解的收敛性和分布性上都有明显的提升。本算法为求解多目标优化问题提供了一种新的方法。

关键词： 切比雪夫分解； 网格技术； 粒子群优化； 多目标优化

中图分类号： TP393； TP273+.2文献标识码： A

通讯作者： 张纪会（1969），男，博士，教授，博士生导师，主要研究方向为控制理论与控制工程。Email： minedocnments@126.com多目标优化问题广泛存在于众多的科学领域中，而多目标优化是国内外许多专家学者研究的热点问题。然而在多目标的优化算法中，由于多目标问题的每个函数之间相互排斥，使多目标每个函数的解都达到最优是没有意义的，因此，国内外专家学者在研究多目……