年前复现了动态多目标优化算法PBDMO回顾一下
PBDMO在遇到环境动态变化时会采取3个策略
- 预测:根据t-1时刻到t时刻质心点的移动方向,在对移动距离分别乘以0.5,1,1.5加上到当前的非支配解集中的到3倍数量的t+1时刻的非支配预测.

- 采样:把决策变量分为主要变量和非主要变量并在决策空间对变量进行采样点抽样.

- 收缩:对主要变量的决策空间进行上下界搜索再进行均匀采样

算法实验对比情况
针对FDA1测试问题:PS随时间变化PF不随时间变化
1.DNDGA-2算法情况

2.SGEA算法情况

3.PBDMO算法情况

去掉第三步对主要变量进行收缩的情况

这是去掉第二步决策空间采样的情况

针对FAD2测试问题:PS不随时间变化,PF随时间由凹变凸
1.DNSGA-2算法情况

2.SGEA算法情况

3.PBDMO算法情况


针对DF1测试问题:ps随时间变化,PF随时间由凹变凸


针对DF3测试问题:PS随时间变化,PF随时间有凹变凸



针对DF5测试问题:PS随时间变化,PF随时间变化不规则



本文回顾了PBDMO算法在面对环境动态变化时采用的预测、采样和收缩策略,并通过对比DNDGA-2、SGEA等其他算法在FDA1、FAD2等测试问题上的性能,展示了PBDMO在适应性优化方面的特性。





