科研之友
微信
新浪微博
Facebook
分享链接
摘要
为利用种群历史信息更有效地处理动态多目标优化的环境变化问题，提出了一种基于卡尔曼滤波预测并修正种群中心点位置的动态多目标优化算法。当环境变化后，利用卡尔曼滤波预测模型结合上一时刻的中心点预测当前时刻的种群中心点，使用近似理想Pareto最优解集中心点对该预测值进行误差修正，并基于修正后的中心点生成新的个体以重新初始化种群。为增加种群多样性，在算法运行期间从搜索空间随机生成5个新的个体，并随机替换当前种群中相应数量的个体。将本文算法与其他动态多目标优化算法在多个测试函数中进行了对比实验，结果表明，本文算法在整个进化过程中，改进的逆世代距离(MIGD)值都相对比较小，逆世代距离(IGD)值总体上比对比算法小，计算耗时与对比算法相当。
-
单位西北师范大学; 电子工程学院
