超应答进化动态多目标优化及其应用

The project focuses on constructing new evolutionary dynamic multi-objective optimization model for adapting complex environmental changes. Aiming at the bottlenecks in most of existing dynamic multi-objective optimization algorithms, such as just checking environmental changes while being unable to check the change’s type and intensity, just suiting to solve certain type of dynamic optimization problems and being unable to adapt rapid changes so as not to apply really to real world problems, this project first designs a new environmental change checking strategy, which can check the type and intensity of a change, moreover, two new reacting mechanisms called as self-adaptive response and hyper-response are developed for responding sole unknown changes and hybrid unknown changes respectively, and to realize to deal with those complex dynamic multi-objective optimization problems.

本课题旨在建立能适应复杂环境变化的新型进化动态多目标优化模型。针对现有的算法存在的诸如只能检测出环境变化而不能确定变化的强度和类型，只能处理一类简单动态问题、无法适应快速变化以及缺乏实际应用等瓶颈问题，该课题首先设计一种能够检测出环境变化的类型以及强度的新型环境变化检测机制，在此基础上，研究新型的适应不同类型环境变化包括单一未知和混合未知变化的自适应应答机制和超应答机制，实现高效快速的复杂动态多目标优化的求解。

针对现有的算法存在的诸如只能检测出环境变化而不能确定变化的强度和类型、只能处理一类简单动态问题、无法适应快速变化等瓶颈问题，该课题提出了能够检测出环境变化的类型以及强度的新型环境变化检测机制，在此基础上，建立新型的适应不同类型环境变化的自适应应答机制，进而建立能适应复杂环境变化的新型进化动态多目标优化模型。在为期一年的项目研究过程中，我们提出了：1）基于自适应应答机制的动态多目标优化算法，在此算法中，提出了自适应环境应答机制以及基于目标域分解的多目标进化算法；2）基于变化类型的自适应动态多目标优化算法，在此算法中提出了能检测环境变化类型的变化检测机制，以及基于变化强度的自适应应答机制；3）基于分解和预测的动态多目标粒子群优化算法，在此算法中提出了基于多种群协同进化粒子群算法；4）基于特殊点的混合预测机制的动态多目标优化算法，在此算法中提出了基于特殊点的混合预测机制；5）相关拓展研究包括新型环境变化检测机制的深层次研究、具有混合变化类型问题的动态多目标优化算法研究以及不确定性的典型问题-噪声多目标优化算法的设计等。成果包括发表论文9篇（6篇二区论文、1篇三区以及中文核心期刊1篇）；申报国家发明专利1项，授权6项；培养硕士3人，并搭建了动态多目标优化仿真平台。