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