.png){kind=icon}
返回
Dynamic Constrained Multiobjective Evolutionary Algorithm With Multipopulation Prediction and Dynamic Fusion Ranking
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2025.3569387.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态约束多目标优化问题（DCMOPs）广泛存在于现实应用中，并已成为进化计算领域的一个突出研究焦点。当前关于DCMOPs的研究面临两大主要挑战：种群预测精度有限，以及缺乏有效策略来提升静态优化器的性能。为应对这些挑战，本文提出了一种基于多种群预测和动态融合排序的动态约束多目标进化算法。具体而言，引入了一种受计算机视觉启发的点集配准方法，名为coherent point drift，用于对齐连续环境中的个体。通过两个环境之间的对应关系，将解轨迹跟踪问题转化为点集配准问题。基于观察到的解轨迹，可以预测新环境中的帕累托最优解集或帕累托最优前沿。此外，本文强调了任务特定多种群预测的重要性。在分析了各种群的具体任务后，通过所提出的预测方法，预测出针对任务的不同初始种群。最后，针对辅助任务提出了一种基于动态融合的双排序环境选择策略。该策略动态整合基于经验和基于约束的方法，提高辅助种群进化效率及其与主任务的协同性。通过在一系列基准问题和实际的原矿分配问题上的广泛实验验证了所提出算法的优越性。
Keyword:
Dynamic constrained multiobjective optimization
evolutionary algorithm
multipopulation
point set registration
prediction
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
.png){kind=icon}
PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏Evolutionary Dynamic Constrained Multiobjective Optimization: Test Suite and Algorithm进化动态约束多目标优化: 测试套件和算法
PREAI
分享收藏分享收藏
查看更多内容