基于迁移学习的拐点预测策略求解动态多目标优化问题 |
您所在的位置:网站首页 › 拐点预测算法 › 基于迁移学习的拐点预测策略求解动态多目标优化问题 |
来自
掌桥科研
喜欢
0
阅读量: 55 作者: 江储文,葛方振,刘怀愚,高向军,沈龙凤 展开 摘要: 动态多目标优化问题具有多个相互冲突的目标,而且这些目标也受环境的影响不断变化,为了快速准确跟踪不断变化的Pareto前沿和Pareto解集,提出一种基于迁移学习的拐点预测策略(a knee points prediction strategy based on transfer learning,TKPS).TKPS根据记忆过去时刻种群中优秀个体,使用迁移学习算法得到映射矩阵W,然后通过映射矩阵W,把当前时刻的拐点集映射到高维希尔伯特空间,从中找到下一时刻的拐点集,引导种群收敛;同时,在拐点的邻域内选出若干个伴随个体,增加种群多样性,避免种群陷入局部最优.TKPS采用8个测试函数,并与其它3个算法结果对比分析,实验结果表明TKPS算法具有更快的响应环境变化的能力. 展开 关键词: 动态多目标优化 迁移学习 拐点 预测 DOI: 10.16351/j.1672-6987.2021.04.015 年份: 2021 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |