基于局部搜索与混合多样性策略的多目标粒子群算法

贾树晋^1,2，杜斌^1,2,3，岳恒⁴

1. 上海交通大学自动化系2. 上海交通大学系统控制与信息处理教育部重点实验室3. 宝钢研究院自动化研究所4. 东北大学自动化研究中心

摘 要：为了提高算法的收敛性与非支配解集的多样性,提出一种基于局部搜索与混合多样性策略的多目标粒子群算法（LH-MOPSO）.该算法使用增广Lagrange乘子法对非支配解进行局部搜索以快速接近Pareto最优解;利用基于改进的Maximin适应值函数与拥挤距离的混合多样性策略对非支配解集进行维护以保留解的多样性,同时引入高斯变异算子以避免算法早熟收敛;最后针对多目标约束优化问题,给出一种有效的约束处理方法.实验研究表明该算法具有良好的优化性能.

关键词：多目标优化;粒子群算法;增广Lagrange乘子法;Maximin适应值函数;拥挤距离;