Gate recurrent unit neural network inverse model prediction-based dynamic multi-objective evolutionary algorithm and application

Zhongqiang Wu

doi:10.1016/j.engappai.2026.114633

Gate recurrent unit neural network inverse model prediction-based dynamic multi-objective evolutionary algorithm and application

2026-04-01

0

PRE

AI

DOI：10.1016/j.engappai.2026.114633

原文链接

原文求助

摘要

En 中文

动态多目标进化算法（DMOEAs）基于预测模型为未来环境生成初始种群。当预测模型与动态多目标优化问题（DMOPs）中决策变量的进化规律不匹配时，基于预测的DMOEAs难以生成高质量的初始种群。针对此问题，提出了一种基于门控循环单元（GRU）神经网络逆模型预测的DMOEAs。GRU神经网络用于拟合DMOPs目标函数与决策变量之间的映射关系，并将其作为DMOPs的逆模型。通过卡尔曼滤波预测未来环境的目标函数作为逆模型的输入，输出未来环境的决策变量。基于逆模型在历史环境中输出的决策变量进化方向进行后续改进，并将结果作为初始种群。所提出的方法能够在大多数DMOPs中生成高质量的初始种群，且不局限于预测模型与决策变量变化规律的匹配，因此具有更高的求解效率。通过实验及应用在环境经济电力调度中的验证了所提出方法的有效性。

Keyword:

Dynamic Multi-Objective Evolutionary Algorithm

Inverse Model Prediction

Gate Recurrent Unit

Kalman Filtering

Dynamic Multi-Objective Optimization

Gate recurrent unit neural network inverse model prediction-based dynamic multi-objective evolutionary algorithm and application

摘要

期刊

机构

引用论文