PSO for multi-objective problems: Criteria for leader selection and uniformity distribution

در اين مقاله روشي براي حل مسايل چند هدفه با استفاده از بهبود الگوريتم بهينه سازي گروه ذرات پيشنهاد شده است، كه در آن ذرات راهنما براي هدايت ذرات موجود در دامنه مسيله بكار گرفته شده است. دو روش براي انتخاب و حذف ذرات براي بهبود راه حل هاي بهينه پيشنهاد شده است. در راه اول انتخاب راهنما بر اساس ميانگين mذره بهينه و در راه دوم انتخاب يك راهنما براي هر n ذرات صورت مي گيرد. يك معيار تراكم براي حذف ذرات در هر دو روش استفاده شده است. روش ارايه شده بر اساس سه آزمون استاندارد در مسايل بهينه سازي تكاملي چند هدفه مورد ارزيابي قرار گرفت. معيارها و پارامترهاي ارزيابي شده در اين مقاله، تعداد عناصر موجود در مجموعه بهينه پارتو، يكنواختي و خطا مي باشد. نتايج نشان مي دهد كه روش ارايه شده تعداد ذرات بهينه بيشتري را به درستي و با تراكم بالا و خطاي كمتر در مقايسه با روش PSOپايه و CMPSOو SIGMA و NSGA-II و microGAو PAES جستجو مي كند و مي توان از اين روش به عنوان يك روش مناسب براي حل مسايل بهينه سازي چند هدفه استفاده نمود.

This paper proposes a method to solve multi-objective problems using improved Particle Swarm Optimization. We propose leader particles which guide other particles inside the problem domain. Two techniques are suggested for selection and deletion of such particles to improve the optimal solutions. The first one is based on the mean of the m optimal particles and the second one is based on appointing a leader particle for any n founded particles. We used an intensity criterion to delete the particles in both techniques. The proposed techniques were evaluated based on three standard tests in multi-objective evolutionary optimization problems. The evaluation criterion in this paper is the number of particles in the optimal-Pareto set, error, and uniformity. The results show that the proposed method searches more number of optimal particles with higher intensity and less error in comparison with basic MOPSO and SIGMA and CMPSO and NSGA-II and microGA and PAES and can be used as proper techniques to solve multi-objective optimization problems.