自适应拐点引导算法

复杂动态前沿寻优

针对非循环动态多目标优化问题，利用拐点特征引导搜索并自适应调整子区域，可在复杂 Pareto 前沿上保持种群多样性。

孙浩 · Cong, Wang · 呼子宇

Engineering Applications of Artificial Intelligence 2024

参数信息

SP 指标最佳问题数

26

HVD 指标最佳问题数

24

IGD 指标最佳问题数

24

测试问题总数

45

对比算法数量

4

技术优势

能处理非循环变化

利用膝点作为特征点表示 Pareto 前沿的变化，并自适应调整子区域数量以识别几乎所有膝点，从而适应日益复杂的前沿。

维持种群多样性

通过在膝点周围采样生成新个体，避免种群在复杂前沿上收敛到局部区域。

多项指标优于对比算法

在45个测试问题上，SP、HVD、IGD 指标分别有26、24、24个问题取得最佳结果，验证了算法的竞争力。

应用场景

• 动态环境优化：应对环境随时间非周期变化的最优解追踪问题，如自适应调整搜索方向。
• 实时调度与路径规划：在目标或约束动态变化的调度规划中快速调整 Pareto 前沿，满足实时决策需求。
• 多机器人任务分配：在任务动态增删的多机器人协同中维护解集多样性，避免过早收敛到局部配置。