自适应迁移预测的动态多目标差分演化算法

摘要：

针对动态多目标优化环境下寻找并跟踪变化的Pareto最优前沿和Pareto最优解集的难题，提出两个策略：自适应迁移策略和预测策略。自适应迁移策略是根据环境的变化自适应地插入迁移个体来提高算法种群的多样性，从而提高算法对动态环境的适应能力。预测策略是通过时间序列并加上一定的扰动来产生预测种群，来预测环境变化之后的Pareto最优解集，以达到对其快速跟踪的目的。通过两个策略在多目标差分演化算法上的应用来解决动态多目标优化问题。实验过程中，通过平均最优解集分布均匀度和平均决策空间世代距离等指标表明，基于自适应迁移策略和预测策略的多目标差分演化算法能够很好适应变化的环境，并能够快速找到Pareto最优解集。

关键词：动态多目标优化、自适应迁移策略、预测策略、差分演化算法

分类号：TP301(计算技术、计算机技术)

资助基金：科技部国家重点科技专项No.2014ZX07104-005-01；湖北省教育厅项目No.B2015253；湖北省科技厅项目No.2014CFB681；三峡大学科研启动基金项目No.KJ2012B055。

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：86-91