A multiple search strategies based grey wolf optimizer for solving multi-objective optimization problems

doi:10.1016/j.eswa.2019.113134

2020-05-01

PRE

Junfeng Liu *

Zhe Yang

DOI：10.1016/j.eswa.2019.113134

原文链接

原文求助

摘要

En 中文

本文提出了一种基于多种搜索策略 (即自适应混沌变异策略，边界变异策略和精英策略) 的新型多目标灰狼优化器 (MOGWO)，我们将其称为MMOGWO，以解决多目标优化问题 (MOPs)。该算法使用固定大小的外部存档，该外部存档根据基于网格的方法进行自适应维护，以保留在搜索过程中找到的非支配解。然后，该档案用于定义社会等级并模拟灰狼的狩猎行为。在提出的算法中，基于混沌立方映射和修正的世代距离 (GD) 的自适应混沌变异策略应用于存档，以动态调整收敛速度并平衡勘探和开发。为了防止种群多样性损失，采用基于多级并行概念的边界突变策略来管理边界约束违规。此外，还将非支配排序和基于拥挤距离的精英主义策略纳入算法中，以开发更多潜在的Pareto最优解并保持近似集合中解决方案的多样性。所提出的算法在广泛的多目标优化问题 (MOPs) 上进行了评估，并在统计分析的帮助下，在常用性能指标方面与其他最先进的多目标优化算法进行了比较，平均秩和检验和Wilcoxon符号秩检验 (WSRT)。实验结果表明，该算法具有很强的竞争力，在大多数测试问题上明显优于其他知名算法。为了获得测试问题的令人满意的性能，研究了MMOGWO解决具有各种约束的实际优化问题的性能，基于本文设计的一种新的约束处理方法，将MMOGWO进一步应用于处理梯级水电站 (CHSs) 的多目标优化调度问题 (MOOSP)。仿真结果表明，与其他算法相比，MMOGWO可以产生更好的质量解决方案，它可以被认为是一个有前途的替代工具，处理多目标现实生活中的工程问题与复杂的约束条件处理方法。（C）2019 Elsevier Ltd.版权所有。

Keyword:

Multi-objective grey wolf optimizer

Multiple search strategies

Multi-objective optimal scheduling problem

Cascade hydropower stations

Constraints handling methods