Resumen

Cuando se enfrentan a problemas complejos de optimización con múltiples objetivos y múltiples variables, muchos algoritmos de enjambre de partículas multiobjetivo tienden a converger prematuramente. Para mejorar la convergencia y diversidad del algoritmo de enjambre de partículas multiobjetivo, se propone un algoritmo de optimización de enjambre de partículas multiobjetivo basado en la técnica de cuadrícula y multiestrategia (GTMSMOPSO). El algoritmo utiliza aleatoriamente una de dos estrategias diferentes de índice de evaluación (índice de evaluación de convergencia e índice de evaluación de distribución) combinadas con la técnica de cuadrícula para mejorar la diversidad y convergencia de la población y mejorar la probabilidad de que las partículas vuelen hacia el frente de Pareto real. Se utiliza una combinación de tecnología de cuadrícula y una estrategia de índice de evaluación mixta para mantener el archivo externo y evitar la eliminación de partículas con mejor convergencia basada

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Problemas de optimización; Algoritmos de enjambre de partículas multiobjetivo; Convergencia; Diversidad; Técnica de rejilla; Estrategias de índices de evaluación
• Keywords:Optimization problems; Multiobjective particle swarm algorithms; Convergence; Diversity; Grid technique; Evaluation index strategies