基于记忆和预测的人口初始化算法用于进化动态多目标优化

本文提出了一种新颖的种群初始化算法，称为基于记忆和预测的人口初始化（MPPI），用于解决动态多目标优化问题（DMOPs）。MPPI 监控环境向量以检测环境的变化。在检测到变化后，该算法通过三种机制来初始化种群：首先，它基于环境向量的中心点、拐点和边界点建立一个记忆库，并根据记忆库生成部分种群。其次，它基于前馈中心点预测一部分解。最后，它生成一些随机解以保持种群多样性。由于基于记忆的初始化机制不依赖于最近的解，因此提出的算法能够解决具有显著且不规则变化的帕累托最优集（POS）的动态多目标优化问题。通过一系列基准函数和随机 DTLZ 切换实验验证了 MPPI 算法。我们将实验结果与其他最先进的种群初始化方法进行比较。比较结果表明，MPPI 能够快速跟踪响应环境变化的 POS，在周期性和非周期性问题上都表现出强大的性能。