基于多区域中心点预测的动态多目标优化算法
现实生活中存在很多动态多目标优化问题(DMOPs),这类问题要求算法在环境变化后快速收敛到新的Pareto前沿,并保持解集的多样性,随着Pareto前沿复杂程度的增加,这一问题更加突出.鉴于此,提出一种基于多区域中心点预测的动态多目标优化算法(MCPDMO).首先,根据环境变化的严重程度将种群划分为多个子区域,使得个体的分配更加适应动态变化的环境;然后,分别计算每个子区域的中心点,对不同子区域在不同时刻的中心点建立时间序列,并利用差分模型预测新环境的最优解集,以提高算法对不同环境变化的响应能力;最后,为验证算法的有效性,与3种动态多目标优化算法在10个标准测试函数上进行仿真实验.实验结果表明,所提出算法在具有复杂Pareto前沿的动态问题上表现出更优的收敛性和分布性.
动态多目标优化、多目标优化、进化算法、预测、环境变化程度、子区域
37
TP273(自动化技术及设备)
国家自然科学基金;河北省自然科学基金;河北省教育厅科技项目;国家重点研发计划
2022-09-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
2477-2486