基于Pareto 解集关联与预测的动态多目标进化算法
DOI:
CSTR:
作者:
作者单位:

1. 西北工业大学航海学院
2. 西北工业大学电子信息学院

作者简介:

彭星光

通讯作者:

中图分类号:

基金项目:

;国家自然科学基金(60875071,60774604)


A dynamic multi-objective evolutionary algorithm based on Pareto set linkage and prediction
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对动态多目标优化问题, 提出一种基于Pareto 解集关联与预测的动态多目标进化算法(LP-DMOEA), 设
    计了基于超块的Pareto 解集关联方法. 该方法能够动态维护若干描述Pareto 解变化规律的时间序列, 通过对新环境
    下的Pareto 解集进行预测来生成初始种群. 将LP-DMOEA 应用于非劣分类遗传算法(NSGA2), 并对3 类标准测试函
    数进行了实验, 所得结果表明该方法能够有效求解动态优化问题.

    Abstract:

    In order to solve dynamic multi-objective optimization problem(DMOPs), a dynamic multi-objective evolutionary
    algorithm based on Pareto set linkage and prediction(LP-DMOEA) is proposed and a Pareto set linking method based on
    hyperbox is designed. In this scheme, several time sequences which present the trend of Pareto solutions can be dynamically
    maintained. Based on the prediction of these time sequences, the initial population is generated. The LP-DMOEA is applied
    to the NSGA2 algorithm to solve three benchmark problems. Computational results show the effectiveness of the LP-
    DMOEA to solve DMOPs.

    参考文献
    相似文献
    引证文献
引用本文

彭星光 徐德民 高晓光.基于Pareto 解集关联与预测的动态多目标进化算法[J].控制与决策,2011,26(4):615-618

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-01-13
  • 最后修改日期:2010-03-23
  • 录用日期:
  • 在线发布日期: 2011-04-20
  • 出版日期:
文章二维码