典型文献
基于多区域中心点预测的动态多目标优化算法
文献摘要：
现实生活中存在很多动态多目标优化问题(DMOPs),这类问题要求算法在环境变化后快速收敛到新的Pareto前沿,并保持解集的多样性,随着Pareto前沿复杂程度的增加,这一问题更加突出.鉴于此,提出一种基于多区域中心点预测的动态多目标优化算法(MCPDMO).首先,根据环境变化的严重程度将种群划分为多个子区域,使得个体的分配更加适应动态变化的环境;然后,分别计算每个子区域的中心点,对不同子区域在不同时刻的中心点建立时间序列,并利用差分模型预测新环境的最优解集,以提高算法对不同环境变化的响应能力;最后,为验证算法的有效性,与3种动态多目标优化算法在10个标准测试函数上进行仿真实验.实验结果表明,所提出算法在具有复杂Pareto前沿的动态问题上表现出更优的收敛性和分布性.
文献关键词：
动态多目标优化;多目标优化;进化算法;预测;环境变化程度;子区域
中图分类号：
作者姓名：
马学敏;杨景明;孙浩;呼子宇;韦钦楠
作者机构：
燕山大学电气工程学院,河北秦皇岛066004;燕山大学智能控制系统与智能装备教育部工程研究中心,河北秦皇岛066004
文献出处：
引用格式：
[1]马学敏;杨景明;孙浩;呼子宇;韦钦楠-.基于多区域中心点预测的动态多目标优化算法)[J].控制与决策,2022(10):2477-2486
A类：
DMOPs,MCPDMO,环境变化程度
B类：
多区域,区域中心,中心点,点预测,动态多目标优化,多目标优化算法,现实生活,多目标优化问题,快速收敛,Pareto,复杂程度,子区域,不同时刻,建立时间,差分模型,新环境,最优解集,不同环境,响应能力,标准测试函数,动态问题,收敛性,进化算法
AB值：
0.223198
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
