计算机应用研究

作者：武保同,舒若琦,陈志祥,

单位：1.中山大学a.管理学院;b.大数据管理行为与决策实验室,广州510006；2.广东理工学院a.智能制造学院;b.肇庆市先进制造技术与装备重点实验室,广东肇庆526100；

关键词：粒子群算法,进化计算,自适应学习,多目标优化,多阶段生产问题,

基金：广东省自然科学基金资助项目(2025A1515010562)；；

针对标准的多目标粒子群算法在寻优过程中易出现局部最优、收敛速度过快和精度较低等问题，提出了一种基于环境识别的多目标自适应粒子群算法。利用佳点集策略生成初始种群，使个体均匀分布在解空间内；采用非线性惯性权重机制和交叉变异策略，避免算法在搜索过程中过快收敛；提出基于环境识别的自适应学习算子和自适应跳跃协作算子，分别通过自识别解空间内种群多样性程度和粒子小生境内拥挤度信息实现粒子间信息的交互和学习。通过多组基准函数的仿真实验进行比较，结果表明算法的搜索能力和优化精度都得到明显改善。最后，通过一个带有NP-hard性质的实际多阶段生产案例验证了算法的实用性。

来源：2025年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第10期