动态进化多目标优化中的串式记忆方法-计算机科学.pdfVIP

Vo 1. 43 No. 12 第 43 卷第12 期 计算机科学 2016 年 12 月 Computer Science Dec 2016 动态进化多目标优化中的串式记忆方法 刘敏1 ， 2 曾文华3 刘玉珍1 ， 2 (湖南科技大学计算机科学与工程学院 湘潭 411201) 1 (知识处理与网络化制造湖南省普通高等学校重点实验室 湘潭 411201) 2 (厦门大学软件学院 厦门 361005)3 摘 要 如何利用过去搜索到的最优解对新的环境变化做出快速响应，是动态进化多目标优化(Dynamic Evolutiσ nary Multi-objective Optimization， DEMO)研究的一大挑战。为此提出了一种串式记忆(Bunchy Memory， BM) 方法。 设计了基于极小化效应函数的抽取过程，从非支配集中抽取一串记忆串，以便保持记忆的多样性;将记忆体组织成串 式队列的方式，以便将过去数次环境变化下抽取的记忆串存入记忆体;提出了基于二进制锦标赛选择的检索过程以复 用记忆体中过去的最优解，来快速响应新的变化。 BM 方法具有良好的记忆效采，显著地提高了 DEMO 算法的收敛 性和多样性。 4 个标准测试问题上的实验结果表明，BM 方法比其它 3 种方法具有更好的记忆能力。相应地，集成了 BM 方法的 DEMO 算法所获得解集的收敛性与多样性也明显好于其它 3 种 DEMO 算法。 关键词 进化计算，多目标优化，动态环境，记忆，Pareto 最优前沿 中图法分类号 TP18 文献标识码 A 001 10. 11896/j. issn. 1002-137X. 2016. 12. 044 Bunchy Memo叮 Method for Dyn创nic Evolutionary Multi-objective Optimization 1 3 1 LIU Min ,2 ZENG Wen-hua LIU Yu-zhen ,2 (School of Computer Science and Engineering ,Hunan University of Science and Technology ,Xiangtan 411201 ,China) 1 (Key Laboratory of Knowledge Processing and Networked Manufacturing ,College of Hunan Province ,Xiangtan 411Z01 ,China)2 (Software School ,Xiamen University ,Xiamen 361005 ,China) 3 Abstract One of the challenges in dynamic evolutionary multi-objective optimization (DEMO) is how to exploit past optimal solutions to help DEMO algorithm track and adapt to the changing environment quickly. To alleviate the above difficulty , this paper proposed a bunchy memory (BM) method for DEMO. In the