自适应变化响应的动态多目标进化算法

摘要：

动态多目标优化问题(Dynamic multi-objective optimization problems,DMOPs)的目标函数发生变化时,需要采取变化响应策略对种群进行重新初始化,以快速追踪新环境中的最优解集.现有动态多目标优化算法对不同个体、不同维度的决策变量缺乏针对性的变化响应,导致重新初始化效果尚存在较大改进空间.为此,提出一种对不同个体、不同维度的决策变量分别进行自适应变化响应的动态多目标进化算法(Dynamic multi-objective evolutionary algorithm with ad-aptive change response,DMOEA-ACR).该算法包括两个核心部分:1)对t 时间步最优种群和 t-1时间步最优种群中对应个体各维度决策变量之间的差异进行计算,自适应选择变异策略或预测策略重新初始化不同个体、不同维度的决策变量;2)在每轮迭代或重新初始化后,对非支配个体进行存档,基于存档中心构建预测策略.为验证DMOEA-ACR的有效性,在最新测试问题集SDP和DF上,将其与动态多目标优化领域的6种先进算法进行对比.实验结果表明,DMOEA-ACR在求解动态多目标优化问题时,具有明显优势.

关键词：动态多目标优化、进化算法、自适应变化响应、预测、存档

所属期刊栏目：49

分类号：TP301;TP18;C935

在线出版日期：2023-08-28（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：1688-1706