区间多目标粒子群优化算法及其应用

doi:10.12068/j.issn.1005-3026.2019.11.001

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (11): 1521-1526.DOI: 10.12068/j.issn.1005-3026.2019.11.001

• 信息与控制 • 下一篇

区间多目标粒子群优化算法及其应用

关守平，邹立夫，张菁菁

(东北大学信息科学与工程学院，辽宁沈阳110819)

收稿日期:2018-12-06 修回日期:2018-12-06 出版日期:2019-11-15 发布日期:2019-11-05
通讯作者: 关守平
作者简介:关守平(1965-)，男，辽宁大连人，东北大学教授.
基金资助:
国家自然科学基金资助项目(61573087).

Interval Multi-objective Particle Swarm Optimization Algorithm and Its Application

GUAN Shou-ping， ZOU Li-fu， ZHANG Jing-jing

School of Information Science & Engineering， Northeastern University， Shenyang 110819， China.

Received:2018-12-06 Revised:2018-12-06 Online:2019-11-15 Published:2019-11-05
Contact: GUAN Shou-ping
About author:-
Supported by:
-

摘要/Abstract

摘要： 提出了一种区间多目标粒子群优化(IMOPSO)算法，用于解决多目标下区间变量的优化问题.基于区间可信度定义两个区间解的占优关系，通过归一化方法和区间拥挤度距离对Pareto最优解排序，并设立归档机制，利用外部存储器保存Pareto最优解集.针对有界误差系统的建模问题，提出了基于IMOPSO算法训练区间神经网络(INN)模型参数的建模方法，解决了误差界已知和误差界未知两种情况下的有界误差系统建模问题.最后，以一阶不确定系统为例，利用所提算法进行了建模仿真，验证了建模方法的有效性.

关键词: 区间多目标优化, 区间粒子群优化, 区间神经网络, 未知但有界(UBB), 一阶不确定系统

Abstract: An interval multi-objective particle swarm optimization(IMOPSO)algorithm was proposed to solve the optimization problem of interval variables under multi-objectives. A dominant relationship between two intervals was defined based on interval credibility. Normalization method and interval crowding distance were used to sort the Pareto-optimal solutions. And an archiving mechanism was set up to save the Pareto optimal set in the external memory. Then， an interval neural network(INN)employing the IMOPSO to train was proposed for the unknown-but-bounded(UBB)errors modeling problem， which can be suited for the two situations of the error bounds that is either known or unknown. The first-order uncertain system was taken as an example to verify the proposed method， and the simulation results validated the effectiveness.

Key words: interval multi-objective optimization, interval particle swarm optimization, interval neural network, unknown but bounded(UBB), first-order uncertain system

中图分类号:

TP273

关守平，邹立夫，张菁菁. 区间多目标粒子群优化算法及其应用[J]. 东北大学学报:自然科学版, 2019, 40(11): 1521-1526.

GUAN Shou-ping， ZOU Li-fu， ZHANG Jing-jing. Interval Multi-objective Particle Swarm Optimization Algorithm and Its Application[J]. Journal of Northeastern University Natural Science, 2019, 40(11): 1521-1526.

参考文献

[1]Guan S P，Zhang J J，Zou L F.An interval particle swarm optimization algorithm for evolving interval neural networks ［C］// 2018 Chinese Control and Decision Conference(CCDC).Shenyang，2018:1615-1619.
[2]Zhang J，Wang S，Zhang K.Cooperative artificial bee colony algorithm with multiple populations for interval multi-objective optimization problems ［J］.IEEE Transactions on Fuzzy Systems，2019，27(5):1052-1065.
[3]Hsu C，Chang S，Yu C.Tolerance design of robust controllers for uncertain interval systems based on evolutionary algorithms ［J］.IET Control Theory & Applications，2007，1(1):244-252.
[4]杨卫封，曾芳玲.区间分析在非线性系统模型参数估计中的应用［J］.仪器仪表学报，2008，29(4):244-252.(Yang Wei-feng，Zeng Fang-ling.Application of interval analysis for parameter estimational nonlinear system model ［J］.Chinese Journal of Scientific Instrument，2008，29(4):244-252.)
[5]Liu Y，Zhao Y，Wu F.Ellipsoidal state-bounding-based set-membership estimation for linear system with unknown-but-bounded disturbances ［J］.IET Control Theory & Applications，2016，10(4):431-442.
[6]Bontayeb M.Identification of nonlinear systems in the presence of unknown but bounded disturbances ［J］.IEEE Transactions on Automatic Control，2000，45(8):1503-1507.
[7]Jaulin L，Walter E.Guaranteed nonlinear parameter estimation via interval computations ［J］.Interval Computation，1993，35(2):61-75.
[8]Khosravi A，Nahavandi S，Creighton D，et al.Comprehensive review of neural network-based prediction intervals and new advances ［J］.IEEE Transactions on Neural Networks，2011，22(9):1341-1356.
[9]Song M，Pedrycz W.Granular neural networks:concepts and development schemes ［J］. IEEE Transactions on Neural Networks and Learning System，2013，24(4):542-553.
[10]Guan S P，Liang R Y.Study of full interval feed-forward neural network ［C］// 2016 Chinese Control and Decision Conference(CCDC).Yinchuan，2016:2652-2655.
[11]De Weerdt E，Chu Q P，Mulder J A.Neural network output optimization using interval analysis ［J］.IEEE Transactions on Neural Networks，2009，20(4):638-653.
[12]Moore R E.Interval analysis ［M］.Englewood:Prentice-Hall，1966.
[13]Moore R E，Kearfott R B，Cloud M J.Introduction to interval analysis ［M］.Philadelphia:SIAM Press，2009.
[14]Kennedy J，Eberhart R C.Particle swarm optimization ［C］//Proceeding of IEEE International Conference on Neural Networks.Perth:IEEE Press，1995:1942-1948.
[15]关守平，房少纯.一种新型的区间-粒子群优化算法［J］.东北大学学报(自然科学版)，2012，33(10):1381-1384.(Guan Shou-ping，Fang Shao-chun.A new interval particle swarm optimization algorithm ［J］.Journal of Northeastern University(Natural Science)，2012，33(10):1381-1384.)

区间多目标粒子群优化算法及其应用

Interval Multi-objective Particle Swarm Optimization Algorithm and Its Application

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	叶宁，宋锦春，高曦莹，于忠亮. 基于输出反馈的电液作动器自适应指令滤波控制[J]. 东北大学学报:自然科学版, 2020, 41(9): 1310-1315.
[2]	史家顺，董金龙，刘聪，于天彪. 随五轴加工轨迹变抛光力的控制策略与方法[J]. 东北大学学报:自然科学版, 2020, 41(1): 89-94.
[3]	刘云山，贾磊，闻邦椿. 反向回转双机驱动振动系统的倍频控制同步[J]. 东北大学学报:自然科学版, 2019, 40(12): 1726-1731.
[4]	王占山，王继东，刘秀翀，孙鉴. 二阶系统的复特征根对其鲁棒H_∞控制性能的影响[J]. 东北大学学报:自然科学版, 2019, 40(9): 1217-1222.
[5]	杨英华，石翔，李鸿儒. 基于数据特征的加热炉钢温预报模型[J]. 东北大学学报:自然科学版, 2019, 40(3): 305-309.
[6]	杨冬梅，姚齐. 一类切换广义时滞系统的鲁棒指数镇定[J]. 东北大学学报:自然科学版, 2018, 39(7): 922-926.
[7]	李海燕，井元伟. 基于ＳＯＲＡ的多学科协同优化可靠性优化方法[J]. 东北大学学报:自然科学版, 2018, 39(1): 1-5.
[8]	白晶，毛志忠，浦铁成. 多变量Hammerstein-Wiener模型的参数辨识[J]. 东北大学学报:自然科学版, 2018, 39(1): 6-10.
[9]	孟范伟，徐博，吕晓永，刘胤圻. 神经网络预测控制在SCR烟气脱硝系统中应用[J]. 东北大学学报:自然科学版, 2017, 38(6): 778-782.
[10]	李明杰，周平. 机械制浆过程磨机负荷内模PI控制[J]. 东北大学学报:自然科学版, 2017, 38(6): 783-788.
[11]	赵海，雷凯茹，司帅宗，许子文. Platoon模式下车载自组织网络性能分析与研究[J]. 东北大学学报:自然科学版, 2017, 38(5): 634-638.
[12]	连莲，高宪文，齐文海. 一般不确定转移速率下Markov切换系统的弹性控制器[J]. 东北大学学报:自然科学版, 2017, 38(4): 457-461.
[13]	齐文海，李新，高宪文. 执行器饱和的分段齐次Markov跳变系统的镇定[J]. 东北大学学报:自然科学版, 2017, 38(4): 462-466.
[14]	张廷丰，毛志忠，袁平，张弼. 基于多变量阶跃响应的风洞系统辨识[J]. 东北大学学报:自然科学版, 2016, 37(11): 1521-1525.
[15]	刘建昌，明平松. 随机多智能体系统一致增益问题分析[J]. 东北大学学报:自然科学版, 2016, 37(9): 1217-1220.