階層的クラスタリング参照点維持に基づく多目的粒子群アルゴリズム

科学分野:

• 計算知能
• 最適化アルゴリズム
• 群知能

背景:

• 従来の多目的粒子群最適化（MOPSO）は、アーカイブの多様性が低い、パラメータ感度が高いなどの課題に直面しています。
• 既存のMOPSO法では、グローバル探索とローカル探索のバランスをとることが依然として困難です。

研究 の 目的:

• MOPSOの制限に対処する新しいアルゴリズムであるHCRMOPSOを導入すること。
• 多様性の維持、パラメータの適応性、および多目的最適化における全体的なパフォーマンスを向上させること。

主な方法:

• 参照点には階層的クラスタリング（ウォード法）を利用し、理想点とクラウディング距離を組み合わせています。
• 粒子融合を実装して個々の最良位置を更新し、近傍の多様性に基づいて適応的にパラメータを調整します。
• 探索プロセスを最適化するために、特定の粒子タイプに対する新しい戦略を導入します。

主要な成果:

• HCRMOPSOは外部アーカイブの多様性を効果的に維持し、従来のMOPSOの欠点を軽減します。
• 適応的パラメータチューニングは、アルゴリズム全体の適応性と探索効率を向上させます。
• 22の標準テスト問題全体で、10の既存アルゴリズムと比較して優れたパフォーマンスを示します。

結論:

• HCRMOPSOは、多目的粒子群最適化において大きな進歩を提供します。
• 提案された方法は、多様性の問題を効果的に解決し、最適化能力を向上させます。
• HCRMOPSOは、複雑な多目的最適化タスクに対して優れた有効性を示します。