科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着时间的推移，鲁棒优化是解决动态优化问题的一种新方法，其目标是找到在很长一段时间内仍然可以接受的解决方案。该领域中大多试图根据其未来预测适应度值来寻找新的鲁棒解决方案，然而，预测未来的适应度值的误差往往偏大，对其寻求较好的鲁棒解造成较大的困难。针对这一问题，提出了一个基于问题特征变化引导的算法框架(ROOT-PFCG)来进行动态鲁棒优化。其问题特征变化情况主要参考解在当前环境下的目标函数值和相应相邻环境下的目标函数浮动值，由此提出三个重要指标。在预测和非预测的情况下，基于指标分别提出了三种不同的适应度决策规则来选解，保证其所选解受预测误差影响较小或不受影响，以此寻找更优的鲁棒解，并在此基础上提出了新的性能评价指标。在基准问题上的实验结果表明，所提出的算法能更好地提升鲁棒解的性能，并对不同情况下的指标进一步分析了其对性能的影响，在此基础上分析了更好的指标结合方法。
- 单位
