基于权重向量聚类的动态多目标进化算法
Dynamic multi-objective optimization algorithm based on weight vector clustering作者机构:兰州理工大学电气工程与信息工程学院兰州730050
出 版 物:《计算机应用》 (journal of Computer Applications)
年 卷 期:2023年第43卷第7期
页 面:2226-2236页
学科分类:08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金资助项目(62063019) 甘肃省自然科学基金资助项目(20JR10RA152)
主 题:动态多目标进化算法 权重向量 聚类 差分模型 种群预测
摘 要:实际生活中存在许多的动态多目标优化问题(DMOP)。对于此类问题,当环境发生改变时,就要求动态多目标进化算法(DMOEA)能快速和准确地跟踪新环境下的帕累托前沿(PF)或帕累托最优解集(PS)。针对现有算法的种群预测性能差的问题,提出一种基于权重向量聚类预测的动态多目标进化算法(WVCP)。该算法首先在目标空间中生成均匀的权重向量,并对种群中的个体进行聚类,再根据聚类情况分析种群的分布性。其次,对聚类个体的中心点建立时间序列。对同一权重向量,针对不同的聚类情况采取相应的应对策略对个体进行补充,若相邻时刻均存在聚类中心,则采用差分模型预测新环境下的个体;若某一时刻不存在聚类中心,则用相邻权重向量聚类中心的质心作为该时刻的聚类中心,再运用差分模型预测个体。这样不仅可以有效地解决种群分布性差的问题,还可以提高预测的准确性。最后,引入个体补充策略,以充分地利用历史信息。为验证WVCP算法的性能,把它与四种代表性算法进行了仿真对比。实验结果表明,所提算法能够很好地解决DMOP。