科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前，动态区间多目标优化问题（Dynamic interval multi-objective optimization problem，DI-MOP）在实际应用中非常普遍。然而，该优化问题通常容易包含多个相互冲突的目标，并且在至少一个目标和（或）约束中具有区间特性，对于这个问题，生产过程中亦会存在各种不确定性。而近年来，很少有采用进化算法对DI-MOP进行合适的处理以提高其优化性能。针对该问题，本文提出了一种基于区间相似性的动态区间多目标协同进化优化框架对其进行处理。在该框架中，本文首先提出了一种决策变量分解策略，根据每个决策变量与区间参数之间的区间相似性将所有决策变量分成两组。然后，利用两个子群体协同优化两组决策变量。此外，采用基于变化强度的响应策略和随机变异策略，快速跟踪优化问题变化的Pareto前沿。最终将该算法应用于8个基准优化实例和一个多周期投资组合选择问题，并与五种最新的进化算法进行了比较。实验结果显示本文提出的算法和策略均具有较好的性能，且在几个基准优化实例上对所提出的算法进行了深入评估，并将其应用于实际优化问题，证实了其可扩展性及高应用性。
- 单位
