51吃瓜官网,51吃瓜官网全网最新|51吃瓜官网下载_51吃瓜黑料字幕

近日，自動化與電子工程學(xué)院鞏敦衛(wèi)教授與上海大學(xué)榮淼博士等在動態(tài)約束多目標進化優(yōu)化領(lǐng)域取得研究進展，形成的論文“A prediction and weak coevolution-based dynamic constrained multi-objective optimization”，發(fā)表在中科院一區(qū)、Top期刊《IEEE Transactions on Evolutionary Computation》上。

所提方法的整體框架

針對動態(tài)約束多目標優(yōu)化問題，論文提出了基于預(yù)測和弱協(xié)同進化的多目標優(yōu)化方法，旨在有效地求解含有多個目標、多個約束條件且時間限制場景下的優(yōu)化問題。所提方法首先設(shè)計了基于預(yù)測的環(huán)境變化響應(yīng)機制，當環(huán)境變化時，兼顧Pareto前沿面預(yù)測的準確性和進化群體的多樣性，生成對后續(xù)群體進化具有指導(dǎo)作用且分布均勻的初始群體，為進化群體高效、精準地全局搜索奠定基礎(chǔ)。然后，利用改進的弱協(xié)同進化優(yōu)化器，平衡進化群體的探索與開發(fā)能力。該優(yōu)化器的主群體和輔助群體協(xié)同進化，前者由可行候選解及其附近的不可行候選解組成，以提升進化群體的可行性和收斂性；后者從群體多樣性出發(fā)，不考慮約束條件的限制，以提高進化群體的多樣性和搜索能力。

該成果同時利用了預(yù)測和弱協(xié)同進化的優(yōu)勢，應(yīng)用于含有多個變化約束的礦山綜合能源系統(tǒng)優(yōu)化調(diào)度問題。結(jié)果表明，所提方法在可接受的時間內(nèi)，生成了多個收斂性好且分布均勻的調(diào)度方案。

論文信息:

Gong Dunwei, Rong Miao*, Hu Na, Wang Yan, Witold Pedrycz, Yang Shengxiang, A prediction and weak coevolution-based dynamic constrained multi-objective optimization, IEEE Transactions on Evolutionary Computation, 2024, DOI:10.1109/TEVC.2024.3418470.