控制与决策

作者：耿焕同,周山胜,陈哲,韩伟民

单位：南京信息工程大学计算机与软件学院，南京210044,,南京信息工程大学计算机与软件学院，南京210044,,南京信息工程大学计算机与软件学院，南京210044,,南京信息工程大学计算机与软件学院，南京210044,

关键词：动态多目标优化;预测;粒子群优化;分解

基金：国家重点研发计划项目(2017YFC1502104)；“青蓝工程”基金项目(2016)；南京大气科学联合研究中心项目(NJCAR2018MS05).

针对动态多目标问题求解,提出一种基于分解的预测型动态多目标粒子群优化算法.首先借助分解思想,将目标问题划分为多个不同的子问题,当问题动态变化时,选择对应于不同子问题的优化个体检测环境变化程度,以提高算法对不同动态问题的适应与响应能力;然后,设计一种群体预测策略,通过将目标空间中相同收敛方向上不同时刻的个体位置转换为时间序列,引入时间序列预测方法预测下一刻位置,从而提高预测种群的多样性和有效性,进而有效减少算法在问题变化后的收敛时间;最后,为避免问题发生变化后个体与子问题不匹配,设计一种再匹配策略,以提高预测策略的准确性.实验结果表明,在6个标准动态多目标测试问题上,与2个动态多目标优化算法进行比较,所提出算法在收敛性、分布性与稳定性上均具有显著优势.

来源：2019年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2019年第6期