面向约束优化问题的聚类多目标狼群算法OA
针对多目标狼群算法在寻优过程中存在的多样性不足、难以摆脱局部最优的问题,提出了一种面向约束优化问题的聚类多目标狼群算法(CMOWPA-C)。首先,通过融合自适应惩罚与自适应权衡模型,提出了一种将约束问题转化为无约束问题的新方法。然后,引入随机扰动因子,优化种群的移动步长,防止种群陷入局部最优。最后,采用K均值聚类算法对种群分组,根据种群距簇心的距离将种群划分为不同的类簇,确保每个簇心周围都有个体与之关联,增加种群的多样性。为验证算法性能,在基准测试问题上与9种新兴算法进行了比较,并在实际约束问题上与9种约束多目标进化算法进行了比较。结果表明,CMOWPA-C的多样性显著提升,且能有效地避免局部最优。
吴莉娟;吕莉;肖人彬;吴烈阳;王晖
江西水利电力大学,江西南昌330099 江西省水利大数据智能处理与预警技术工程研究中心,江西南昌330099 南昌市智慧城市物联感知与协同计算重点实验室,江西南昌330099江西水利电力大学,江西南昌330099 江西省水利大数据智能处理与预警技术工程研究中心,江西南昌330099 南昌市智慧城市物联感知与协同计算重点实验室,江西南昌330099华中科技大学人工智能与自动化学院,湖北武汉430074江西省交通监控智慧中心,江西南昌330099江西水利电力大学,江西南昌330099 江西省水利大数据智能处理与预警技术工程研究中心,江西南昌330099 南昌市智慧城市物联感知与协同计算重点实验室,江西南昌330099
信息技术与安全科学
多目标狼群算法约束优化随机扰动因子聚类自适应惩罚自适应权衡模型
《信息与控制》 2026 (1)
P.100-115,149,17
国家自然科学基金项目(62066030)。
评论