基于Pareto解集分段预测策略的动态多目标进化算法

• 作者: 陈敏 陈满丽 马永杰
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 动态多目标优化 分段预测 系统抽样 引导个体
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1454-1462
• 页数: 9页
• 分类号: TP510.4030
• 字数: 7620字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.08.016

摘要

针对现有的动态多目标优化算法种群收敛速度慢、多样性难以保持等问题,提出了一种基于Pareto解集分段预测策略的动态多目标进化算法BPDMOP.当检测到环境变化时,对前一时刻进化得到的Pareto最优解根据任一子目标函数进行排序,并按照该子目标的大小均分为3段,分别计算出每一段Pareto解集中心点的移动方向;对每一段Pareto子集进行系统抽样得到Pareto前沿面的特征点,利用线性模型分段预测下一代种群;根据优化问题的难易程度,自适应地在预测的种群周围产生随机个体来增加种群的多样性.通过对3类标准测试函数的实验表明了该算法能够有效求解动态多目标优化问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马永杰	西北师范大学物理与电子工程学院	68	1130	10.0	33.0
2	陈满丽	西北师范大学物理与电子工程学院	1	0	0.0	0.0
3	陈敏	西北师范大学物理与电子工程学院	4	0	0.0	0.0