一类新型动态多目标鲁棒进化优化方法

摘要：

传统动态多目标优化问题(Dynamic multi-objective optimization problems, DMOPs) 的求解方法,通常需要在新环境下,通过重新激发寻优过程,获得适应该环境的Pareto最优解.这可能导致较高的计算代价和资源成本,甚至无法在有限时间内执行该优化解.由此,提出一类寻找动态鲁棒Pareto最优解集的进化优化方法.动态鲁棒Pareto解集是指某一时刻下的Pareto 较优解可以以一定稳定性阈值,逼近未来多个连续动态环境下的真实前沿,从而直接作为这些环境下的Pareto 解集,以减小计算代价.为合理度量Pareto解的环境适应性,给出了时间鲁棒性和性能鲁棒性定义,并将其转化为两类鲁棒优化模型.引入基于分解的多目标进化优化方法和无惩罚约束处理方法,构建了动态多目标分解鲁棒进化优化方法.特别是基于移动平均预测模型实现了未来动态环境下适应值的多维时间序列预测.基于提出的两类新型性能评价测度,针对8个典型动态测试函数的仿真实验,结果表明该方法得到满足决策者精度要求,且具有较长平均生存时间的动态鲁棒Pareto最优解.

关键词：动态多目标优化、进化算法、鲁棒Pareto最优解、鲁棒生存时间

所属期刊栏目：43

分类号：TP3;TP1

资助基金：国家重点基础研究发展计划973计划2014CB046300;国家自然科学基金61573361;中国矿业大学创新团队2015QN003 资助 Supported by National Basic Research Program of China 973 Program2014CB046300;National Natural Science Founda-tion of China61573361;Innovation Team of China Uni-versity of Mining and Technology2015QN003

在线出版日期：2018-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：2014-2032