组合粒子群优化和分布估计的多目标优化算法

提出组合粒子群优化和分布估计的多目标优化算法。在寻优迭代过程中，一半的后代由粒子群算法产生，带有变异操作的粒子群优化算法具有全局搜索能力;另一半后代采用分布估计算法来产生，分布估计算法具有良好的学习和局部搜索能力，由其提取决策空间的信息并建立期望解的概率分布模型，对这个分布模型进行采样而产生下一代的解。与多种多目标优化算法的比较实验表明，组合算法在基准函数ZDT1~ZDT3，ZDT6和ZDT61上获得的Pareto解集具有较好的收敛性与多样性，在ZDT4实例上的性能适中。