這一篇是Xue Bing在一區cybernetics發的論文，裡面提出了兩個多目標PSO特徵選擇演算法，一個是NSPSO另一個是CMDPSO。其中NSPSO是參考了NSGA2的框架和思想。下面具體說說CMDPSO。

CMDPSO全稱是Crowding，Mutation，Dominance PSO演算法。

個體擁擠距離
在同一層Fk中需要進行選擇性排序，按照個體擁擠距離(crowding distance)大小排序。個體擁擠距離是Fk上與i相鄰的個體i+1和i-1之間的距離，其計算步驟為：
①對同層的個體距離初始化，令L[i]d=0（表示任意個體i的擁擠距離）。
②對同層的個體按照第m個目標函式值升序排列。
③對於處在排序邊緣上的個體要給予其選擇優勢。
④對於排序中間的個體，求擁擠距離
⑤對於不同的目標函式，重複②到④的步驟，得到個體i的擁擠距離L[i]d，有限選擇擁擠距離較大的個體，可以是計算結果在目標空間均勻地分佈，維持群體的多樣性。

虛擬碼

注意archive中存的是每一代的精英粒子集合

具體流程
①劃分資料集
②初始化精英集合和存檔Archive
③計算擁擠距離
④二進位制錦標賽選擇一個一個精英個體來作為gbest指導更新
⑤更新粒子
⑥使用變異運算元
⑦粒子真實評價
⑧將LeaderSet加入存檔
⑨迭代完成後計算存檔中的兩個目標值