控制工程

作者：袁浩, 黄文焘, 姜庆超, 范勤勤

单位：1. 上海海事大学物流科学与工程研究院，上海201306；2. 上海交通大学电力传输与功率变换控制教育部重点实验室，上海200240；3. 华东理工大学能源化工过程智能制造教育部重点实验室，上海 200237

关键词：多模态多目标优化；进化算法；分区搜索；子种群；粒子群优化算法

寻找一个好的近似帕累托前沿和找到足够多的等效帕累托最优解是多模态多目标优化的两个重要目标。为此，提出一种基于分区搜索和多子种群的多模态多目标粒子群优化算法。首先，为了降低搜索难度，采用分区搜索对整个决策空间进行划分，获得多个子空间；然后，对种群进行聚类，将种群划分为不同的子种群；最后，在每个子空间中独立使用改进的多模态多目标粒子群优化算法进行搜索，从而找到更多的等效帕累托最优解。实验选取了22个多模态多目标测试函数对所提算法进行验证，并将其与7种较先进的多模态多目标进化算法进行对比。实验结果表明，相比于对比算法，所提算法可以在决策空间中找到更多的等效帕累托最优解，在目标空间中找到逼近性和多样性更好的近似帕累托前沿。

来源：2026年第4期

《控制工程》期刊编辑部

查看控制工程杂志2026年第4期