EDA365电子论坛网
标题: 基于拥挤距离与变异支配的多目标PSO算法 [打印本页]
作者: uperrua 时间: 2020-11-13 15:58
标题: 基于拥挤距离与变异支配的多目标PSO算法
这一篇是Xue Bing在一区cybernetics发的论文，里面提出了两个多目标PSO特征选择算法，一个是NSPSO另一个是CMDPSO。其中NSPSO是参考了NSGA2的框架和思想。下面具体说说CMDPSO。
CMDPSO全称是Crowding，Mutation，Dominance PSO算法。
2 d! m" J: R% U. F% S
个体拥挤距离在同一层Fk中需要进行选择性排序，按照个体拥挤距离(crowding distance)大小排序。个体拥挤距离是Fk上与i相邻的个体i+1和i-1之间的距离，其计算步骤为：7 D7 S2 a! Q$ t' Z! d7 ?1 J- o. G
①对同层的个体距离初始化，令Ld=0（表示任意个体i的拥挤距离）。7 H6 c2 C' @8 L
②对同层的个体按照第m个目标函数值升序排列。3 V7 U: K* D2 n$ v! T" Y& V
③对于处在排序边缘上的个体要给予其选择优势。3 o# L3 L2 W. Z& D) I, t/ Y! e1 {3 E
④对于排序中间的个体，求拥挤距离：
（其中：L[i+1]m为第i+1个体的第m目标函数值fmax，fmin分别为集合中第m目标函数的最大和最小值。）
0 |$ f1 y, k' J- G |1 [/ \⑤对于不同的目标函数，重复②到④的步骤，得到个体i的拥挤距离Ld，有限选择拥挤距离较大的个体，可以是计算结果在目标空间均匀地分布，维持群体的多样性。
伪代码注意archive中存的是每一代的精英粒子集合
具体流程- ①划分数据集
- ②初始化精英集合和存档Archive
- ③计算拥挤距离
- ④二进制锦标赛选择一个一个精英个体来作为gbest指导更新
- ⑤更新粒子
- ⑥使用变异算子
- ⑦粒子真实评价
- ⑧将LeaderSet加入存档
- ⑨迭代完成后计算存档中的两个目标值; G+ H( p) {0 n
' b, P2 ?, L* k6 r
作者: NingW 时间: 2020-11-13 16:58
基于拥挤距离与变异支配的多目标PSO算法
| 欢迎光临 EDA365电子论坛网 (https://bbs.eda365.com/) |
Powered by Discuz! X3.2 |
