计算机应用研究

作者：张杰,马菲菲,郑禾丹,刘志中,

单位：烟台大学a.计算机与控制工程学院;b.网络安全与信息化中心,山东烟台264005；

关键词：动态多目标优化,混合预测策略,代表性个体,拐点,社会学习优化算法,

基金：国家自然科学基金资助项目(61872126,62273290)；山东省自然科学基金重点项目(ZR2020KF019)；；

近年来，国内外学者针对基于预测的动态多目标优化算法开展了深入研究，并提出了一系列有效的算法，然而已有的研究工作通常采用单一的预测策略，使得算法不能有效地应对剧烈的环境变化。针对上述问题，提出了一种基于混合预测策略与改进社会学习优化算法的动态多目标优化方法。具体地，当环境发生变化时，该方法首先基于代表性个体预测策略生成一部分群体；其次，基于拐点预测策略生成一部分新群体，特别地，为了提高种群的多样性，根据算法迭代的历史信息和环境变化情况随机地生成一定数量的新个体；为了提高问题的求解效率，对社会学习优化算法进行了改进，为每个进化空间设计了适用于动态多目标优化问题的算子；最后，将混合预测策略与改进的社会学习优化算法结合，构成了一种新的动态多目标优化方法。以FDA、DMOP和F函数集作为实验测试函数集，与四种代表性算法进行了性能对比；并以反向世代距离（inverted generational distance，IGD）对该方法的性能进行了深入的分析。实验结果表明所提方法具有较好的收敛性和鲁棒性。

来源：2023年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第4期