一种基于改进多目标粒子群算法的函数测试方法技术

本发明专利技术涉及一种基于改进多目标粒子群算法的函数测试方法，包括：构建基于高斯

【技术实现步骤摘要】
一种基于改进多目标粒子群算法的函数测试方法


[0001]本专利技术涉及标准函数测试
，尤其是涉及一种基于改进多目标粒子群算法的函数测试方法。

技术介绍

[0002]多目标计算问题在日常生活中很常见，不管是在科学探索还是实际的工程应用当中，多目标优化算法都是很重要的，多目标优化算法需要同时对多个目标进行优化，多目标优化的最优解还是一组解集。在多目标优化算法的发展过程中，形成了多种标准测试函数，这些测试问题由于其容易将优化问题上升为多维而被广泛采用，常用的标准测试函数有SCH、DEB、ZDT1、ZDT2、DTLZ2、DTLZ3、WFG3、WFG7等，这些测试函数各有其特点。
[0003]多目标优化往往存在多个相互冲突的目标，无法找到使每一个目标同时达到最优解，只可能存在一组使各个目标之间相互制约的折中解集。为解决这种有着多个冲突目标的多目标优化问题，近些年来许多学者提出了一系列的多目标优化算法寻求Pareto解集。自Coello等人将粒子群算法应用在求解多目标问题上，国内外众多学者对其展开了研究，对基本多目标粒子群算法进行持续改进，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进多目标粒子群算法的函数测试方法，其特征在于，包括以下步骤：S1、构建基于高斯
‑
柯西混合变异的多目标粒子群算法；S2、应用基于高斯
‑
柯西混合变异的多目标粒子群算法，对标准测试函数进行求解，得到对应的最优解。2.根据权利要求1所述的一种基于改进多目标粒子群算法的函数测试方法，其特征在于，所述基于高斯
‑
柯西混合变异的多目标粒子群算法具体是采用高斯变异进行局部搜索、采用柯西变异进行全局搜索，以得到高斯
‑
柯西混合变异机制进行最优解搜寻。3.根据权利要求2所述的一种基于改进多目标粒子群算法的函数测试方法，其特征在于，所述高斯
‑
柯西混合变异机制的计算公式为：Mutation
i
(x)＝Gaussian
i
(x)+βCauthy
i
(x)(x)其中，Mutation
i
(x)为高斯
‑
柯西混合变异，Gaussian
i
(x)为高斯变异，Cauthy
i
(x)为柯西变异，Rand为变异概率，Rand是0～1之间的随机值，CurrentGen为当前迭代次数，Gen为最大迭代次数，α∈[0，1]为高斯变异系数，β为柯西变异系数。4.根据权利要求3所述的一种基于改进多目标粒子群算法的函数测试方法，其特征在于，所述高斯变异具体为：Gaussian
i
(x)＝N(x
best
，δ)其中，x
best
是当前全局最优个体，δ是高斯分布标准差，N(x，σ)为符合均值为x、方差为σ的正态分布。5.根据权利要求4所述的一种基于改进多目标粒子群算法的函数测试方法，其特征在于，所述柯西变异具体为：其中，ρ为尺度参数。6.根据权利要求2所述的一种基于...

【专利技术属性】
技术研发人员：戴毅茹，舒一鸣，
申请(专利权)人：同济大学，
类型：发明
国别省市：