TA的每日心情 | 开心
2020-8-5 15:09 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 很多现实的优化问题都是动态多目标问题，这类问题不仅具有多个目标，并且也受环境的影响不断变 化．本文基于引导个体的预测策略提出一种新的求解动态多目标优化问题的策略．通过记录每次环境变化初始时和种 群自主进化一小段时间后种群中心点位置的前后变化，预测最优解的所在方向．同时根据在该方向上均匀分布的若干 检测个体，选出一串非支配的个体作为当前环境下的引导个体．为了避免陷入局部最优，在选出的引导个体周围一个 小的区域半径内随机产生若干伴随引导个体．实验结果表明，新策略具有更快的响应环境变化的能力．
2 |5 G [( w. B( _ l4 B! U7 X! A; J8 O( E$ g1 ^
2 T+ g0 i) [ j. J4 m
4 u8 y5 i/ | I- w4 {
关键词： 动态多目标优化；进化算法；预测；引导个体 [# y* w' y: D& r& Y
( z, d" n# L6 k5 E9 H) B
6 [, K4 i, O" X: ?# Z
& r( a) z" V- S# G" ]( a! i
动态多目标优化问题（ＤｙｎａｍｉｃＭｕｌｔｉｏｂｊｅｃｔｉｖｅＯｐｔｉ ｍｉｚａｔｉｏｎＰｒｏｂｌｅｍｓ，ＤＭＯＰｓ）广泛地存在现实生活中，多个 目标之间相互冲突，同时目标函数随着时间的变化而改 变［１］．面对一个复杂动态变化的系统，静态优化方法具 有明显的局限性．在这些问题中，研究目标是复杂变化 的，传统进化算法的目标是使种群逐渐收敛，最终获得 一个满意的解集，而这样就会使种群失去多样性，尤其 到了进化后期，种群会逐渐失去对环境变化的适应能 力，这 是 传 统 进 化 算 法 在 动 态 环 境 中 所 面 临 的 挑 战［２，３］．为了及时地追踪到变化后的 Ｐａｒｅｔｏ最优解，需要 在传统的静态多目标算法［４，５］上做调整，使其能快速地 响应环境的变化．7 O7 A3 ?1 k: |* j3 U
附件下载：
0 ~, Y$ R) B9 F: r7 }5 o) B, R( ]/ Q |
|
/1 
发表于 2021-5-14 16:12
收藏
淘帖
支持！
反对！