计算机应用研究

作者：孙宝,张丽静,李占龙,范凯,靳琴琴,罗芸滢,

单位：1.太原科技大学a.应用科学学院;b.车辆与交通工程学院,太原030024；2.贵州詹阳动力重工有限公司,贵阳550025；

关键词：拟态物理学,多目标,非支配排序,分区进化,质量函数,虚拟作用力,

基金：国家自然科学基金资助项目(52272401,51805347)；山西省基础研究计划资助项目(202203021211185)；贵州省工业和信息化发展专项资金科技创新项目(KJ202102)；山西省高等学校科技创新项目(2021L324)；；

针对基本拟态物理学优化（artificial physics optimization，APO）算法易陷入局部最优、分布性不佳等问题，提出一种分区引导种群进化的改进多目标拟态物理学优化（multi-objective APO improved by partition-guided evolution，PEMOAPO）算法。首先，采用tent映射与反向学习相结合的策略进行种群的初始化，增强种群的多样性；其次，提出分区引导个体进行进化的机制，对处于可行域与不可行域的个体，采取不同的质量函数及虚拟作用力计算规则进行迭代更新，增强算法的收敛性能。选取MW系列和C_DTLZ系列作为基准测试函数进行仿真实验，通过综合性能评价指标对比分析、统计学分析、收敛性分析及时间复杂度分析，表明改进算法具有良好的多样性及收敛性，能快速收敛到Pareto前沿。

来源：2023年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第5期