Pareto解集旋转的分类多策略预测动态多目标优化

来源：计算机工程与应用杂志2024年第22期北京时间：

作者：李二超, 刘辰淼

单位：兰州理工大学 电气工程与信息工程学院，兰州 730050

摘要：为更有效地解决Pareto解集（Pareto set，PS）旋转的动态多目标优化问题，提出PS旋转的分类多策略预测方法（rotation-based forecasting method，RFM）。将PS的旋转类型分为PS中心点旋转、PS原点旋转和非标准旋转；针对以上不同的PS旋转类型，自适应地选择合适的预测模型，建立不同点集的时间序列，为后续进化提供初始种群。引入拉丁超立方策略（Latin hypercube strategy，LHS）生成的随机种群与上述预测种群共同构建新种群，保证种群的多样性。为验证算法的有效性，将RFM算法与DNSGA-II、PPS、SPPS和MMP算法在8个标准的动态测试函数上进行实验对比。实验结果表明，RFM算法取得了6个最优[IGD]值、7个最优[SP]值、3个最优[MS]值，证明了RFM算法可以更有效地解决基于PS旋转的动态多目标优化问题。同时验证了RFM算法的普适性，在FDA系列函数上进行实验对比，实验结果表明，该算法在处理非旋转的动态多目标优化问题中仍具有较优性能。

关键词：动态多目标优化,进化算法,分类预测,Pareto解集旋转