%0 Journal Article
%T 基于两阶段领导的多目标粒子群优化算法
%A 胡广浩
%A 毛志忠
%A 何大阔
%J 控制与决策
%P 404-410
%D 2010
%X 提出了一种基于两阶段领导与交叉变异相结合的多目标粒子群算法（P-AMOPSO）。算法包含四个改进策略，基于强支配排序与拥挤距离排序相结合的策略构造外部集，可以有效控制粒子的聚合程度；基于两阶段的领导粒子选择策略，既加快了算法的收敛速度，又保证了解的多样性；基于高斯分布及均匀分布相交叉的变异策略，既克服了早熟，又减少了变异的盲目性；基于邻域认知的个体极值更新策略，增大了粒子自我认知的范围，有利于提高粒子摆脱局部极值和局部搜索的能力。通过几个典型的多目标测试函数对P-AMOPSO算法的性能进行了测试,并与多目标优化算法DCMOPSO和MM-MOPSO进行对比.结果表明,P-AMOPSO算法具有良好的搜索性能.
%K 粒子群算法
%K 多目标优化
%K 两阶段领导
%K 交叉变异
%K Particle
%K swarm
%K optimization
%K Multi-objective
%K optimization
%K Two
%K Stages-guided
%K cross-mutation
%U http://www.kzyjc.net:8080/CN/abstract/abstract9808.shtml