使用新预测模型的动态多目标优化算法

• 作者: 李智翔 李赟 沈超 贺亮
• 来源期刊: 西安交通大学学报
• 关键词: 动态多目标优化 进化算法 卡尔曼滤波 预测模型
• 年，卷（期）: 2018,（10）
• 页码范围: 8-15
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7652/xjtuxb201810002

摘要

针对实际应用中动态多目标优化算法对快速变化的最优解集跟踪能力不强的问题,提出了一种使用结合中心点预测值和垂直扰动分量的新预测模型的动态多目标优化算法.首先,计算变化前最优解集的中心点作为预测对象,改变了通常使用全部解进行预测的方式,提升了算法效率;其次,结合算法迭代的历史信息,选取位置、速度、加速度作为预测的状态向量,保证了算法对大多数情形下解集整体变化的跟踪预测能力;最后,为预测的新解添加了垂直于预测变化方向的超平面随机扰动,增强了解集的多样性,进而提升了算法收敛速度.实验结果表明,该算法在75％的测试函数集上的性能优于其他3种经典的动态多目标优化算法,其耗时较经典的基于卡尔曼滤波预测的动态多目标优化算法平均减少了39％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈超	西安交通大学智能网络与网络安全教育部重点实验室	10	45	4.0	6.0
2	贺亮		10	21	3.0	4.0
3	李赟		7	11	2.0	3.0
4	李智翔		6	12	2.0	3.0