一种用于多点动态聚合问题的混合分解式多目标进化算法
神经与进化计算
2021-05-12 v1 人工智能
摘要
来自真实世界应用的一个新兴优化问题，称为多点动态聚合（MPDA）问题，已成为多机器人系统活跃的研究课题之一。本文关注一个多目标 MPDA 问题，即设计机器人的执行计划以最小化机器人数量与所有任务的最大完成时间。机器人间与任务间强耦合关系、MPDA 编码的冗余性，以及 MO-MPDA 问题可变大小的决策空间，给有效求解该问题带来了额外挑战。为应对上述问题，我们采用 -约束方法开发了混合分解式多目标进化算法（HDMOEA）。该算法将所有任务的最大完成时间选为主目标，并将另一目标转化为约束。HDMOEA 通过将每个子问题赋予一个机器人数量上界，将 MO-MPDA 问题分解为一系列标量约束优化子问题。所有子问题同时优化，并迁移来自其他子问题的知识。此外，我们开发了混合种群初始化机制以提升初始解质量，以及繁殖机制以传递有效信息并处理编码冗余。实验结果表明，所提 HDMOEA 方法在多个常用指标上显著优于当前最优方法。
引用
@article{arxiv.2105.04934,
title = {A Hybrid Decomposition-based Multi-objective Evolutionary Algorithm for the Multi-Point Dynamic Aggregation Problem},
author = {Guanqiang Gao and Bin Xin and Yi Mei and Shuxin Ding and Juan Li},
journal= {arXiv preprint arXiv:2105.04934},
year = {2021}
}