A manifold prediction strategy for evolutionary dynamic multiobjective optimization

doi:10.1016/j.swevo.2025.102103

A manifold prediction strategy for evolutionary dynamic multiobjective optimization

2025-07-31

0

PRE

AI

DOI：10.1016/j.swevo.2025.102103

原文链接

原文求助

摘要

En 中文

基于预测的进化算法在解决动态多目标优化问题（DMOPs）方面表现出显著的有效性。通常，这些算法利用特定代表性点（如中心点和折点）的历史信息来预测帕累托最优集（PS）的移动趋势。然而，PS的变化模式可能与代表性点的变化不一致，可能导致对新PS的预测不准确。流形学习捕捉PS的整体分布。因此，流形的变化趋势反映了PS的变化模式。本研究为进化动态多目标优化算法引入了一种流形预测策略（MPS）。MPS基于历史PS观察到的趋势，预测新环境中的PS流形。具体而言，对局部主成分分析（LPCA）算法进行了改进，以学习历史PS的流形。利用这些学习到的流形，MPS使用线性预测模型估计新环境中的PS流形。认识到流形学习结果的准确性会影响流形预测的准确性，提出了两种方法来改进学习结果。这些方法着重于确定适当的局部流形数量和减少建模过程中的随机性。所提出的MPS在多个基准测试实例上进行了测试和比较，并与几种先进的动态多目标进化算法进行了比较。实验结果表明，MPS在大多数实例上优于其他算法。

Keyword:

manifold learning

dynamic multiobjective optimization

Pareto-optimal set prediction

local principal component analysis

evolutionary algorithms

A manifold prediction strategy for evolutionary dynamic multiobjective optimization

摘要

期刊

机构