基于动态聚集距离的多目标粒子群优化算法及其应

为了增加Pareto集的多样性，提高多目标优化的全局寻优能力，提出了一种基于动态聚集距离的多目标粒子群算法(DCD-MOPSO)。该算法利用改进的快速排序方法来减少计算量，采用动态变化的惯性权重和加速因子以增强算法的全局寻优能力，并基于动态聚集距离对外部集进行维护以增加Pareto集的多样性。通过典型测试函数的仿真实验和应用实例对DCD-MOPSO算法性能进行了分析，并与多目标优化算法MOPSO和NSGA-Ⅱ进行了比较。结果表明，DCD-MOPSO算法收敛速度较快，且得到的Pareto集分布均匀。