李智翔,李赟,贺亮,沈超

(1.盲信号处理重点实验室,610041,成都; 2.西安交通大学智能网络与网络安全教育部重点实验室,710049,西安)

在许多实际的工程问题,如规划调度、数据挖掘、资源分配、电路设计、控制系统等等问题中,由于问题的复杂性,优化目标往往不止一个,多个优化目标之间相互冲突并且取值随时间变化,这样的优化问题被称作动态多目标优化问题(dynamic multiobjective optimization problems,DMOPs)[1]。与求解静态多目标优化问题不同,在处理动态多目标优化问题时,需要在每次环境发生变化之前找到近似最优解集,这就要求算法能够跟踪随时间变化的环境[2]。特别地,当环境变化的速度较快时,动态多目标优化问题的求解难度进一步提升。

近些年来,在动态多目标优化问题的相关研究领域,学者做了很多工作,其中一部分研究工作针对如何在动态多目标优化算法的迭代过程中检测环境变化。文献[3]提出了一种最常见的基于解再计算方式检测环境变化的方法,文献[4]提出了一种基于反转模型的两阶段检测的方法,文献[5]则通过解的分布性来判断环境的变化情况。动态多目标优化算法为了在变化发生时加快收敛速度,通常需要在变化时增加解集的多样性。文献[6]通过优化变异算子来增加解集的多样性,文献[7]通过对部分解进行重定位来增加解集的多样性,文献[8]通过引入多种群协同进化机制,使得不同种群采用不同的进化策略,从而增加了解集的多样性。为了跟随和预……