A knee-guided prediction model oriented to population composition structures for dynamic multi-objective evolutionary optimization

Ziwen Huang

doi:10.1016/j.swevo.2026.102358

A knee-guided prediction model oriented to population composition structures for dynamic multi-objective evolutionary optimization

2026-03-19

0

PRE

AI

DOI：10.1016/j.swevo.2026.102358

原文链接

原文求助

摘要

En 中文

动态环境下的多目标优化问题（DMOPs）众多，其特征在于目标冲突以及随时间变化的目标函数。此外，DMOPs的动态特性可能导致帕累托前沿持续变化。然而，现有方法存在严重多样性损失和收敛缓慢等问题，这使准确高效地追踪动态帕累托前沿具有挑战性。为解决这些问题，本文提出了一种面向种群组成结构的基于 knee point 的预测模型，该模型包含三个原创组件：（1）基于先前 knee point 的运动趋势，knee point 生成策略结合邻域搜索和步长探索，以应对环境变化识别 knee point；（2）依据 knee point 分类，复用历史非支配解在新环境中培育高质量个体，从而加速种群收敛；（3）通过预测 knee point 之间的均匀插值生成多样性个体，以增加种群的分布性。这三种策略整合后建立了一个综合预测模型，用于指导变化环境下的初始种群生成，同时提升种群的多样性和收敛性。有效性分析和与一些最新算法的性能比较表明，所提算法在提升解质量方面具有显著优势。此外，基于实际应用的实验结果验证了该研究的实践意义。

Keyword:

knee point

dynamic multi-objective optimization

population composition

prediction model

convergence diversity

A knee-guided prediction model oriented to population composition structures for dynamic multi-objective evolutionary optimization

摘要

期刊

机构

引用论文