-
题名基于决策变量时域变化特征分类的动态多目标进化算法
- 1
-
-
作者
闵芬
董文波
丁炜超
-
机构
华东理工大学信息科学与工程学院
上海市计算机软件评测重点实验室
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第11期2154-2176,共23页
-
基金
上海市基础研究特区计划(22TQ1400100-16)
上海市自然科学基金(23ZR1414900)
上海市计算机软件评测重点实验室开放课题(SSTL2023_03)资助。
-
文摘
动态多目标优化问题(Dynamic multi-objective optimization problems,DMOPs)广泛存在于科学研究和工程实践中,其主要考虑在动态环境下同时联合优化多个冲突目标.现有方法往往关注于目标空间的时域特征,忽视了对单个决策变量变化特性的探索与利用,从而在处理更复杂的问题时不能有效引导种群收敛.为此,提出一种基于决策变量时域变化特征分类的动态多目标进化算法(Dynamic multi-objective evolutionary algorithm based on classification of decision variable temporal change characteristics,FT-DMOEA).所提算法在环境动态变化时,首先基于决策变量时域变化特征分类方法将当前时刻决策变量划分为线性变化和非线性变化两种类型;然后分别采用拉格朗日外插法和傅里叶预测模型对线性和非线性变化决策变量进行下一时刻的初始化操作.为了更有效地识别非线性决策变量变化模式,傅里叶预测模型通过傅里叶变换将历史种群数据从时域转换到频域,在分析周期性频率特征后,使用自回归模型进行频谱估计后再反变换至时域.在多个基准数据集上和其他算法进行对比,实验结果表明,所提算法是有效的.
-
关键词
傅里叶变换
动态多目标优化问题
决策变量分类
动态多目标进化算法
预测策略
-
Keywords
Fourier transform
dynamic multi-objective optimization problems(DMOPs)
decision variable classification
dynamic multi-objective evolutionary algorithms(dmoeas)
prediction strategies
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
O224
[理学—运筹学与控制论]
-
-
题名基于权重向量聚类的动态多目标进化算法
- 2
-
-
作者
李二超
程艳丽
-
机构
兰州理工大学电气工程与信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第7期2226-2236,共11页
-
基金
国家自然科学基金资助项目(62063019)
甘肃省自然科学基金资助项目(20JR10RA152)。
-
文摘
实际生活中存在许多的动态多目标优化问题(DMOP)。对于此类问题,当环境发生改变时,就要求动态多目标进化算法(DMOEA)能快速和准确地跟踪新环境下的帕累托前沿(PF)或帕累托最优解集(PS)。针对现有算法的种群预测性能差的问题,提出一种基于权重向量聚类预测的动态多目标进化算法(WVCP)。该算法首先在目标空间中生成均匀的权重向量,并对种群中的个体进行聚类,再根据聚类情况分析种群的分布性。其次,对聚类个体的中心点建立时间序列。对同一权重向量,针对不同的聚类情况采取相应的应对策略对个体进行补充,若相邻时刻均存在聚类中心,则采用差分模型预测新环境下的个体;若某一时刻不存在聚类中心,则用相邻权重向量聚类中心的质心作为该时刻的聚类中心,再运用差分模型预测个体。这样不仅可以有效地解决种群分布性差的问题,还可以提高预测的准确性。最后,引入个体补充策略,以充分地利用历史信息。为验证WVCP算法的性能,把它与四种代表性算法进行了仿真对比。实验结果表明,所提算法能够很好地解决DMOP。
-
关键词
动态多目标进化算法
权重向量
聚类
差分模型
种群预测
-
Keywords
dynamic multi-objective evolutionary algorithm(dmoea)
weight vector
clustering
difference model
population prediction
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
