基于局部搜索与混合多样性策略的多目标粒子群算法

为了提高算法的收敛性与非支配解集的多样性, 提出一种基于局部搜索与混合多样性策略的多目标粒子群 算法(LH-MOPSO). 该算法使用增广Lagrange 乘子法对非支配解进行局部搜索以快速接近Pareto 最优解; 利用基于 改进的Maximin 适应值函数与拥挤距离的混合多样性策略对非支配解集进行维护以保留解的多样性, 同时引入高斯 变异算子以避免算法早熟收敛; 最后针对多目标约束优化问题, 给出一种有效的约束处理方法. 实验研究表明该算法 具有良好的优化性能.