SAMOPSO自适应多目标粒子群优化算法

本发明SAMOPSO自适应多目标粒子群优化算法，步骤一：设置参数，用户需要设置粒子群大小、迭代次数、外部存档的容量、网格份数；步骤二：初始化粒子群，计算粒子的适应度值，挑选出非支配解将其存储在外部存档中；步骤三：根据轮盘赌选择法，从外部存档中选择出全局最优粒子；步骤四：利用自适应的权重和学习因子，更新粒子的速度和位置；步骤五：利用变异因子对更新完的粒子进行变异操作；步骤六：更新并维护外部存档，如果外部存档内的粒子数目超过设置的外部存档容量，移除多出的粒子；步骤七：判断迭代条件，如果当前迭代次数达到设定的迭代次数，则输出最优解的pareto前沿，否则返回到步骤三继续迭代；适应性更强，收敛性更好，降低参数调节的负担。