基于迁移学习的拐点预测策略求解动态多目标优化问题

摘要：

动态多目标优化问题具有多个相互冲突的目标,而且这些目标也受环境的影响不断变化,为了快速准确跟踪不断变化的Pareto前沿和Pareto解集,提出一种基于迁移学习的拐点预测策略(a knee points prediction strategy based on transfer learning,TKPS).TKPS根据记忆过去时刻种群中优秀个体,使用迁移学习算法得到映射矩阵W,然后通过映射矩阵W,把当前时刻的拐点集映射到高维希尔伯特空间,从中找到下一时刻的拐点集,引导种群收敛;同时,在拐点的邻域内选出若干个伴随个体,增加种群多样性,避免种群陷入局部最优.TKPS采用8个测试函数,并与其它3个算法结果对比分析,实验结果表明TKPS算法具有更快的响应环境变化的能力.

关键词：动态多目标优化、迁移学习、拐点、预测

所属期刊栏目：42

分类号：TP301(计算技术、计算机技术)

资助基金：安徽省自然科学基金;安徽省重点研究与开发计划项目;安徽省教育厅重点项目;安徽省教育厅重点项目

在线出版日期：2021-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：102-112