摘要：為提高多目標優(yōu)化算法的收斂性和多樣性,提出一種基于Pareto關聯(lián)度支配的多目標粒子群優(yōu)化算法(MOPSO-PCD)。該算法在嚴格遵守傳統(tǒng)Pareto支配規(guī)則基礎上,將灰色關聯(lián)分析方法融入非劣支配解的進化過程,設計了一種新穎的Pareto關聯(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,具有關聯(lián)度最大的全局最優(yōu)粒子將引領粒子群體向著真實Pareto前沿不斷逼近。同時,將該支配規(guī)則應用于外部檔案中非劣支配解的維護過程,可減少或避免最終解集多樣性的損失,從而維護好外部檔案中非劣解的分布過程。仿真實驗表明,與被比較算法在ZDT和DTLZ等系列測試函數(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。