动态追踪帕累托前沿
面向动态多目标优化问题的进化算法，通过生成对抗网络学习高质量历史解的分布，在环境变化后生成新解以快速追踪时变的帕累托前沿，兼顾多样性与收敛性。
张涛 · Haohao, Yi · Zhen, Tai · 邹健 · 郑跃
Knowledge-Based Systems 2025
用高质量历史解训练GAN，生成器捕获潜在分布，预测不再只依赖相邻环境相关性，避免偏离真实进化方向。
环境变化后，混合GAN生成解、差分进化变异和随机采样三种策略，避免单一生成方式导致的多样性不足或收敛缓慢。
应用于水火电动态调度，验证了算法在实际任务中的优势，不只停留在基准测试。