论文研究基于动态邻居和变异因子的多目标粒子群算法.pdf

惯性权重线性递减的线性群粒子算法往往不能反映实际的优化搜索过程。动态粒子群算法虽然能较好地实现非线性的搜索，但是更容易陷入局部最优。提出了基于禁忌搜索的动态粒子群算法，引入了禁忌搜索的思想，来解决动态

针对传统粒子群优化算法易陷入局部极值点的问题，将混沌运动的遍历性，随机性以及初值敏感性等特点融入粒子群优化过程中，并通过模拟退火的方法对参数实现局部优化，使得粒子群优化算法的参数随着优化算法的进行不断

将自然界的物种动态模型引入到遗传算法当中，反映出物种的真实进化状态，开发了基于演化设计的遗传算法。算法采用自适应策略克服了确定交叉和变异概率值的问题，利用小种群策略和最优保留策略保证了种群的多样性，改

提出了一种基于正交设计的动态多目标优化算法（ODMOA），当环境变化时通过分析动态多目标优化问题的特点，利用历史信息对新环境下的Pareto最优解集进行预测，得到一个新的预测种群；否则在静态环境下使用

小波域阈值滤波因其实现最简单，计算量最小而得到广泛的应用，但对不同信号而言，其阈值函数的选择将直接影响到滤波效果。由GaoHongYe提出的半软阈值法，因其参数实现算法的复杂度大而没有得到有效的应用。

针对逼近理想解的排序方法对Pareto前端的距离跟踪以及灰色关联度能够很好地分析非劣解集曲线与Pareto最优解集曲线的相似性，提出了一种求解多目标优化问题的理想灰色粒子群算法。该算法利用理想解理论与

企业对产品进行创新改进，带来装配线上装配任务的变化，从而造成已平衡装配线的失衡。针对上述变化给企业混流装配线带来的影响进行了研究，以最小化生产节拍、工作站间的负荷和工人完成新装配任务的调整成本为优化目

为了将决策者对各目标属性的模糊评判信息转换为目标偏好信息，首先将模糊语义转换为三角模糊数,利用模糊数的广义加法、近似乘法和标量乘法进行计算, 从而将决策者对目标属性的离散意见转换为对各目标的综合意见；

将粒子群算法与局部优化方法相结合，提出了一种混合粒子群多目标优化算法（HMOPSO）。该算法针对粒子群局部优化性能较差的缺点，引入多目标线搜索与粒子群算法相结合的策略，以增强粒子群算法的局部搜索能力。

为提高多目标粒子群优化（MOPSO）算法处理多目标优化问题的性能，降低计算复杂度，改善算法的收敛性，提出了一种改进的多目标粒子群优化算法。通过运用比例分布及跳数改进机制策略的方法，使该算法不仅继承了M