文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的...文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的目标个数划分环境类型。在种群初始化阶段,初始种群由3种机制产生。首先,利用历史种群信息训练改进的神经网络算法,生成一部分初始种群。其次,改进的精英策略利用历史种群信息生成一部分初始种群。最后,使用改进的随机策略生成一部分种群,以保持种群的多样性。本文使用基准实验F1-F5验证所提算法的有效性,并将结果与其他动态优化算法对比。实验结果表明,HIPPA可以更加有效地解决目标个数随时间不规则变化的动态多目标优化问题。展开更多
文摘文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的目标个数划分环境类型。在种群初始化阶段,初始种群由3种机制产生。首先,利用历史种群信息训练改进的神经网络算法,生成一部分初始种群。其次,改进的精英策略利用历史种群信息生成一部分初始种群。最后,使用改进的随机策略生成一部分种群,以保持种群的多样性。本文使用基准实验F1-F5验证所提算法的有效性,并将结果与其他动态优化算法对比。实验结果表明,HIPPA可以更加有效地解决目标个数随时间不规则变化的动态多目标优化问题。
