.png){kind=icon}
返回
FIAMS-DMOEA: A Dynamic Multiobjective Evolutionary Algorithm for Highly Uncertain Environmental Changes
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSS.2026.3654796.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态多目标优化问题（DMOPs）在现实应用中频繁出现，其中环境随时间演变。解决DMOPs的核心挑战在于能够准确高效地跟踪环境变化时的最优解。现有的基于单策略机制的动态多目标进化算法（DMOEAs）往往仅在特定环境条件下表现良好，而多策略协同框架在快速变化、高度不确定的场景中容易导致决策延迟。为解决这些不足，本文提出了一种基于模糊推理的自适应多策略DMOEA（FIAMS-DMOEA）。该方法旨在增强对突发环境变化的实时响应并缓解决策延迟。在所提方法中，随机动态模糊系统作为种群级自适应的基础，使算法能够应对高度不确定的环境动态。此外，通过多策略自适应响应机制（MSAR）进一步提升整体适应性。借助模糊规则，算法可实时感知环境不确定性并设计差异化迁移策略，从而为后续优化建立坚实基础。自适应响应机制的核心是基于个体维度效应的多策略权重更新方法，该方法从维度特定角度评估个体贡献。在32个基准DMOPs上的广泛实验结果表明，FIAMS-DMOEA在整体性能上始终优于五种当前最先进的DMOEAs。
Keyword:
Dynamic multiobjective evolutionary algorithm (DMOEAs)
fuzzy inference
multistrategy adaptive response mechanism (MSAR)
期刊
IF:
4.9
论文数:
628
被引数:
6.8K
机构
引用论文
分享收藏A prediction strategy based on decision variable analysis for dynamic Multi-objective Optimization
OAAI
OAAI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
分享收藏分享收藏Multi-objective optimization algorithm based on characteristics fusion of dynamic social networks for community discovery.png)
INFORMATION FUSIONOAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏
查看更多内容