.png){kind=icon}
返回
A dynamic multi-objective optimization evolutionary algorithm based on decision variable classification and multi-stage prediction model
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06634-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态多目标进化算法（DMOEAs）已被广泛用于解决复杂现实世界优化问题，其中目标函数、决策变量和约束随时间变化。现有的基于预测的DMOEAs主要关注对帕累托集（PS）或帕累托前沿（PF）整体移动的预测，而决策变量在收敛性和多样性中的不同作用往往未得到充分考虑。这一局限性可能在环境变化非线性、突变或不规则时削弱算法的适应性。为解决此问题，本文提出了一种基于差异化决策变量响应的环境感知自适应预测（EAAP）算法。该算法首先采用最小生成树（MST）策略对决策变量进行结构分析，并将其分类为收敛变量和多样性变量。对于收敛变量，开发了一个多阶段预测模型。第一阶段，引入滑动窗口卡尔曼滤波器（KF）以过滤嘈杂的历史中心信息并初步估计移动方向。随后，采用基于记忆引导的粒子群优化（PSO）模型，通过利用历史精英解进一步优化预测。对于多样性变量，应用拉丁超立方采样（LHS）在新环境中重建均匀分布的种群。在22个基准函数上的比较实验证明了EAAP在解决动态多目标优化问题中的有效性和鲁棒性。
Keyword:
Dynamic multi-objective optimization
Decision variable classification
Particle swarm prediction
Latin hypercube sampling
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
暂无机构信息
引用论文
.png){kind=icon}
A prediction strategy based on decision variable analysis for dynamic Multi-objective Optimization
OAAI
OAAI分享收藏分享收藏A dynamic multi-objective evolutionary algorithm based on gene sequencing and gene editing一种基于基因测序和基因编辑的动态多目标进化算法
PREAI
分享收藏A Novel Dynamic Multiobjective Optimization Algorithm With Hierarchical Response System一种基于分层响应系统的新型动态多目标优化算法
PREAI
分享收藏A Co-evolutionary Multi-population Evolutionary Algorithm for Dynamic Multiobjective Optimization一种求解动态多目标优化问题的协同进化多种群进化算法
PREAI
分享收藏分享收藏
查看更多内容