摘要：為提高多目標(biāo)優(yōu)化算法的收斂性和多樣性,提出一種基于Pareto關(guān)聯(lián)度支配的多目標(biāo)粒子群優(yōu)化算法(MOPSO-PCD)。該算法在嚴(yán)格遵守傳統(tǒng)Pareto支配規(guī)則基礎(chǔ)上,將灰色關(guān)聯(lián)分析方法融入非劣支配解的進(jìn)化過程,設(shè)計(jì)了一種新穎的Pareto關(guān)聯(lián)度支配規(guī)則。該支配規(guī)則作用于全局最優(yōu)粒子的選擇過程,具有關(guān)聯(lián)度最大的全局最優(yōu)粒子將引領(lǐng)粒子群體向著真實(shí)Pareto前沿不斷逼近。同時(shí),將該支配規(guī)則應(yīng)用于外部檔案中非劣支配解的維護(hù)過程,可減少或避免最終解集多樣性的損失,從而維護(hù)好外部檔案中非劣解的分布過程。仿真實(shí)驗(yàn)表明,與被比較算法在ZDT和DTLZ等系列測(cè)試函數(shù)相比,MOPSO-PCD能夠獲得更好的Pareto最優(yōu)前沿分布特性和較快的收斂效率。