文献类型：期刊文章

作　　者：刘若辰[1] 李建霞[1] 刘静[1] 焦李成[1]

LIU Ruo-Chen;LI Jian-Xia;LIU Jing;JIAO Li-Cheng(Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education,Xidian University,Xi’an 710071)

机构地区：[1]西安电子科技大学智能感知与图像理解教育部重点实验室,西安710071

出　　处：《计算机学报》

基　　金：国家自然科学基金(61876141,61373111,61672405,61871306);陕西省自然科学基金(2019JZ-26)资助.

年　　份：2020

卷　　号：43

期　　号：7

起止页码：1246-1278

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：现实生活中,存在许多动态多目标优化问题(Dynamic Multi-objective Optimization Problems,DMOPs),这类问题的目标函数之间相互矛盾,并且目标函数、约束或者参数都可能随着时间的变化而发生变化.这种随时间不断变化的特性,给解决DMOPs带来了挑战,算法不仅要能够追踪到最优解,同时还要求算法能够快速地对发生的变化做出响应.本文对动态多目标优化(Dynamic Multi-objective Optimization,DMO)的研究进行了比较全面的综述,具体内容如下:(1)描述了DMO的相关理论背景;(2)阐述了DMOPs的分类并对现有的基准问题做了分类归纳;(3)详细讨论了DMO研究的发展概况;(4)对DMO算法的性能评价指标进行了归类介绍;(5)通过实验对比了主流DMO算法的性能;(6)总结了DMO算法在一些领域的应用;(7)分析了解决DMOPs存在的挑战以及诸多难题.

关 键 词：动态多目标优化 多目标优化 PARETO最优 测试函数 性能指标 实际应用

分 类 号：TP301]