本文關(guān)鍵詞： 動態(tài)優(yōu)化 多目標(biāo)優(yōu)化 時間序列 預(yù)測 參考點(diǎn)　出處：《自動化學(xué)報》2017年02期 　論文類型：期刊論文

【摘要】：為了快速跟蹤動態(tài)多目標(biāo)優(yōu)化問題變化的Pareto前沿,本文提出一種基于參考點(diǎn)預(yù)測策略的動態(tài)多目標(biāo)優(yōu)化算法(PDMOP).該算法對關(guān)聯(lián)到相同參考點(diǎn)的個體建立時間序列,并對這些時間序列通過線性回歸模型預(yù)測新環(huán)境下種群.同時,將歷史時刻的預(yù)測誤差反饋到當(dāng)前預(yù)測中來提高預(yù)測的準(zhǔn)確性,并在每個預(yù)測的個體上加入擾動來增加初始種群多樣性,從而能夠加快算法在新環(huán)境下的收斂速度.通過4個標(biāo)準(zhǔn)測試函數(shù)對該算法測試,并和兩個現(xiàn)有算法對比分析,結(jié)果表明所提算法在處理動態(tài)多目標(biāo)優(yōu)化問題時能夠保持良好的性能.
[Abstract]:In order to track the Pareto frontier of dynamic multi-objective optimization problem quickly, a dynamic multi-objective optimization algorithm based on reference point prediction strategy is proposed in this paper. The algorithm establishes time series for individuals associated with the same reference points. These time series are used to predict population in the new environment by linear regression model. At the same time, the prediction error of historical time is fed back to the current prediction to improve the accuracy of prediction. The initial population diversity is increased by adding disturbance to each predicted individual, which can accelerate the convergence of the algorithm in the new environment. The algorithm is tested by four standard test functions, and compared with two existing algorithms. The results show that the proposed algorithm can maintain good performance when dealing with dynamic multi-objective optimization problems.
【作者單位】： 東北大學(xué)流程工業(yè)綜合自動化國家重點(diǎn)實(shí)驗(yàn)室;東北大學(xué)自動化研究中心;
【基金】：國家自然科學(xué)基金(61273031,61525302,61590922) 遼寧省自然科學(xué)基金項(xiàng)目(2014020021) 遼寧省教育廳人才項(xiàng)目(LR2015021)資助~~
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 田云娜;李冬妮;劉兆赫;鄭丹;;一種基于動態(tài)決策塊的超啟發(fā)式跨單元調(diào)度方法[J];自動化學(xué)報;2016年04期

2 王大志;劉士新;郭希旺;;求解總拖期時間最小化流水車間調(diào)度問題的多智能體進(jìn)化算法[J];自動化學(xué)報;2014年03期

3 郭觀七;尹呈;曾文靜;李武;嚴(yán)太山;;基于等價分量交叉相似性的Pareto支配性預(yù)測[J];自動化學(xué)報;2014年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前4條

1 宋陽;仲崇權(quán);趙亮;;改進(jìn)CPSO算法在電子產(chǎn)品生產(chǎn)調(diào)度中的應(yīng)用[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2016年11期

2 陳志旺;白鋅;楊七;黃興旺;李國強(qiáng);;區(qū)間多目標(biāo)優(yōu)化中決策空間約束、支配及同序解篩選策略[J];自動化學(xué)報;2015年12期

3 陳樂庚;胡銳;;粒子群算法求解具有機(jī)器靈活性的FFSP[J];微型機(jī)與應(yīng)用;2015年21期

4 周曉根;張貴軍;郝小虎;;局部抽象凸區(qū)域剖分差分進(jìn)化算法[J];自動化學(xué)報;2015年07期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 劉兆赫;李冬妮;王樂衡;田云娜;;考慮運(yùn)輸能力限制的跨單元調(diào)度方法[J];自動化學(xué)報;2015年05期

2 賈凌云;李冬妮;田云娜;;基于混合蛙跳和遺傳規(guī)劃的跨單元調(diào)度方法[J];自動化學(xué)報;2015年05期

3 鐘偉才,劉靜,焦李成;多智能體遺傳算法用于線性系統(tǒng)逼近[J];自動化學(xué)報;2004年06期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉淳安;王宇平;;基于新模型的動態(tài)多目標(biāo)優(yōu)化進(jìn)化算法[J];計算機(jī)研究與發(fā)展;2008年04期

2 徐鶴鳴;王東;;多目標(biāo)優(yōu)化問題的求解框架[J];微計算機(jī)信息;2009年36期

3 郭曉東;王麗芳;;求解多目標(biāo)優(yōu)化問題的分布估計算法[J];太原科技大學(xué)學(xué)報;2010年01期

4 雍龍泉;;求解一類不可微多目標(biāo)優(yōu)化問題的社會認(rèn)知算法[J];計算機(jī)應(yīng)用研究;2010年11期

5 郭思涵;龔小勝;;正交設(shè)計的E占優(yōu)策略求解高維多目標(biāo)優(yōu)化問題研究[J];計算機(jī)科學(xué);2012年02期

6 蓋玉權(quán);何昱;張宇燕;吳憲彬;萬海同;;復(fù)方藥物劑量配比多目標(biāo)優(yōu)化的方法學(xué)研究[J];微型機(jī)與應(yīng)用;2012年07期

7 王杰文;;約束多目標(biāo)優(yōu)化問題中約束處理方法綜述[J];現(xiàn)代計算機(jī)(專業(yè)版);2012年36期

8 賈利民,張錫第;智能多目標(biāo)優(yōu)化控制及其應(yīng)用[J];信息與控制;1992年01期

9 周學(xué)建;師清翔;朱永寧;;模糊相似優(yōu)先比在清選系統(tǒng)多目標(biāo)優(yōu)化中的應(yīng)用[J];洛陽工學(xué)院學(xué)報;1993年02期

10 吳清烈,江孝感,徐南榮;大規(guī)模含整變量多目標(biāo)優(yōu)化的一種新方法[J];信息與控制;1998年01期

相關(guān)會議論文 前10條

1 張翔;;一種無歧義性的多目標(biāo)優(yōu)化數(shù)值解法[A];中國農(nóng)業(yè)機(jī)械學(xué)會成立40周年慶典暨2003年學(xué)術(shù)年會論文集[C];2003年

2 羅亞中;;航天器軌跡多目標(biāo)優(yōu)化研究評述[A];The 5th 全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2011年

3 耿玉磊;張翔;;多目標(biāo)優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學(xué)術(shù)年會——提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學(xué)術(shù)年會論文集[C];2004年

4 耿玉磊;張翔;;多目標(biāo)優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學(xué)術(shù)年會提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學(xué)術(shù)年會論文集[C];2004年

5 程鵬;唐雁;鄒顯春;;約束多目標(biāo)優(yōu)化試驗(yàn)函數(shù)產(chǎn)生器[A];2008年計算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

6 賈小平;韓方煜;;多目標(biāo)優(yōu)化及其在過程工程中的應(yīng)用[A];過程系統(tǒng)工程2001年會論文集[C];2001年

7 邢志祥;;滅火救援力量調(diào)集的多目標(biāo)優(yōu)化[A];第一屆全國安全科學(xué)理論研討會論文集[C];2007年

8 孫力;樊希山;姚平經(jīng);;化工過程多目標(biāo)優(yōu)化適宜解的模糊確定[A];第二屆全國傳遞過程學(xué)術(shù)研討會論文集[C];2003年

9 李穎t;昝建明;周建文;;多目標(biāo)形貌優(yōu)化方法研究[A];結(jié)構(gòu)及多學(xué)科優(yōu)化工程應(yīng)用與理論研討會’2009（CSMO-2009）論文集[C];2009年

10 許碧霞;李兆江;;基于循環(huán)經(jīng)濟(jì)的城市污水多目標(biāo)優(yōu)化配置分析[A];中國地理學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王晗丁;復(fù)雜問題的多目標(biāo)進(jìn)化優(yōu)化算法研究[D];西安電子科技大學(xué);2015年

2 董寧;求解約束優(yōu)化和多目標(biāo)優(yōu)化問題的進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

3 鄒娟;高維多目標(biāo)進(jìn)化優(yōu)化及降維評價的方法研究[D];湘潭大學(xué);2014年

4 楊光;求解多目標(biāo)優(yōu)化問題的NWSA研究及其工程應(yīng)用[D];吉林大學(xué);2015年

5 王超;裝載與車輛路徑聯(lián)合多目標(biāo)優(yōu)化問題研究[D];大連理工大學(xué);2016年

6 葉承晉;計算智能在電力系統(tǒng)多目標(biāo)優(yōu)化中的應(yīng)用研究[D];浙江大學(xué);2015年

7 過曉芳;超多目標(biāo)優(yōu)化問題的幾種進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

8 左益;基于全局優(yōu)化和局部學(xué)習(xí)的進(jìn)化多目標(biāo)優(yōu)化算法[D];西安電子科技大學(xué);2016年

9 盧芳;多目標(biāo)優(yōu)化及隨機(jī)變分不等式問題的若干研究[D];重慶大學(xué);2016年

10 徐志丹;基于生物地理算法的多目標(biāo)優(yōu)化理論與應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 何素素;基于改進(jìn)的粒子群算法的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化研究[D];西安石油大學(xué);2015年

2 黃怡;基于藥效綜合評價的中藥組分配伍優(yōu)化方法研究[D];浙江大學(xué);2015年

3 韓偉;基于混合智能算法在造紙廢水厭氧消化處理過程多目標(biāo)優(yōu)化中的研究[D];華南理工大學(xué);2015年

4 彭清風(fēng);基于魯棒性的船體中橫剖面多目標(biāo)優(yōu)化[D];上海交通大學(xué);2015年

5 崔華;面向個性化需求的服務(wù)組合優(yōu)化方法[D];哈爾濱工業(yè)大學(xué);2015年

6 章姍捷;基于遺傳算法的電力工程多目標(biāo)優(yōu)化研究[D];華北電力大學(xué);2015年

7 高敏;基于協(xié)同論的風(fēng)電建設(shè)項(xiàng)目多目標(biāo)優(yōu)化模型研究[D];華北電力大學(xué);2015年

8 劉培根;基于多目標(biāo)優(yōu)化和壓縮感知的航拍目標(biāo)檢測[D];電子科技大學(xué);2015年

9 楊凱;基于多目標(biāo)優(yōu)化的貴州工業(yè)結(jié)構(gòu)調(diào)整研究[D];貴州師范大學(xué);2015年

10 陳振興;基于空間擁擠控制策略的進(jìn)化多目標(biāo)優(yōu)化[D];福建師范大學(xué);2015年

，

本文編號：1555035