Interaction-Based Prediction for Dynamic Multiobjective Optimization

计算机科学 进化算法 多目标优化 趋同(经济学) 数学优化 人工神经网络 调度(生产过程) 人口 进化计算 人工智能 机器学习 数学 经济增长 社会学 人口学 经济
作者
Xiao-Fang Liu,Xin-Xin Xu,Zhi‐Hui Zhan,Yongchun Fang,Mengjie Zhang
出处
期刊:IEEE Transactions on Evolutionary Computation [Institute of Electrical and Electronics Engineers]
卷期号:27 (6): 1881-1895 被引量:8
标识
DOI:10.1109/tevc.2023.3234113
摘要

Dynamic multiobjective optimization poses great challenges to evolutionary algorithms due to the change of optimal solutions or Pareto front with time. Learning-based methods are popular to extract the changing pattern of optimal solutions for predicting new solutions. They tend to use all variables as features (i.e., inputs) to build prediction models. However, there are usually some irrelevant and redundant variables, which increase training difficulty and decrease prediction accuracy. This article proposes a new interaction-based prediction (IP) method, which captures the correlation of variables with prediction targets and selects the most relevant variables to build prediction models using neural networks. In particular, the interaction between variables is detected to remove redundant variables. In addition, a correction procedure is developed to further improve predicted solutions according to the prediction error in past environments. The predicted solutions are used to update the population according to a specifically designed update strategy. Integrating the IP method into the framework of multiobjective evolutionary algorithm based on decomposition (MOEA/D), a new algorithm named IP-DMOEA is put forward. Experimental results on a typical dynamic multiobjective test suite demonstrate the better performance of the proposed IP-DMOEA than state-of-the-art algorithms in terms of convergence speed and solution quality. The proposed IP-DMOEA is also successfully applied to the multirobot task scheduling problem.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
2秒前
小蝶发布了新的文献求助10
3秒前
3秒前
李博士发布了新的文献求助10
3秒前
kenna123发布了新的文献求助10
3秒前
Elsa完成签到,获得积分10
5秒前
gab发布了新的文献求助10
5秒前
蟹黄包包完成签到,获得积分10
6秒前
史迪仔发布了新的文献求助20
6秒前
小超人发布了新的文献求助10
6秒前
赵李艺完成签到 ,获得积分10
7秒前
完美世界应助小蝶采纳,获得10
8秒前
9秒前
nano_yan发布了新的文献求助10
9秒前
善学以致用应助蟹黄包包采纳,获得10
10秒前
felix发布了新的文献求助10
11秒前
Lucas应助kenna123采纳,获得10
11秒前
gab完成签到,获得积分10
12秒前
123发布了新的文献求助10
14秒前
哈密瓜完成签到,获得积分10
14秒前
15秒前
16秒前
nano_yan完成签到,获得积分10
16秒前
猫咪老师应助dreamer采纳,获得30
17秒前
18秒前
19秒前
隐形的妙松完成签到,获得积分10
20秒前
科研通AI2S应助zc采纳,获得10
21秒前
21秒前
hujin应助唠叨的听寒采纳,获得10
21秒前
yuan发布了新的文献求助20
23秒前
23秒前
蟹黄包包发布了新的文献求助10
24秒前
felix发布了新的文献求助10
24秒前
无花果应助随遇而安采纳,获得10
24秒前
丘比特应助123采纳,获得10
26秒前
26秒前
28秒前
lgying发布了新的文献求助10
29秒前
高分求助中
Evolution 10000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
The Kinetic Nitration and Basicity of 1,2,4-Triazol-5-ones 440
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3164126
求助须知:如何正确求助?哪些是违规求助? 2814837
关于积分的说明 7906792
捐赠科研通 2474446
什么是DOI,文献DOI怎么找? 1317493
科研通“疑难数据库(出版商)”最低求助积分说明 631818
版权声明 602228