Международный журнал роевого интеллекта и эволюционных вычислений

Абстрактный

Многокритериальная оптимизация роя частиц с поиском методом градиентного спуска

Ли Ма и Бабак Форураги*

Оптимизация роя частиц (PSO) доказала свою надежность в решении многих типов задач оптимизации. В частности, при решении многокритериальных задач оптимизации PSO (MOPSO) необходимо уделять особое внимание выбору параметров и стратегии реализации для повышения производительности оптимизатора. В данной статье предлагается новый MOPSO с улучшенной способностью локального поиска. Вводится новый подход к разделению без параметров для оценки плотности соседства частиц в пространстве поиска. Первоначально предлагаемый метод точно определяет фактор скученности решений; на более поздних этапах он эффективно направляет весь рой к близкому сходимости к истинному фронту Парето. Кроме того, алгоритм использует метод локального поиска градиентного спуска для лучшего исследования оптимальной по Парето области. Сообщается о производительности алгоритма на нескольких тестовых функциях и задаче инженерного проектирования, а также сравнивается с другими подходами. Полученные результаты показывают, что предлагаемый алгоритм способен эффективно выполнять поиск вдоль оптимального по Парето фронта и определять компромиссные решения.