с 01.01.2024 по настоящее время Россия
Многие прикладные задачи оптимизации характеризуются наличием нескольких противоречивых критериев, а также изменением условий с течением времени. Такие задачи называются задачами динамической многокритериальной оптимизации (Dynamic Multi-objective Optimization, DMOO). Классическим примером является планирование маршрута в транспортной сети, где веса ребер (время проезда, стоимость, риск) могут меняться из-за пробок, погодных условий или других факторов. Для решения многокритериальных задач хорошо зарекомендовали себя эволюционные алгоритмы, такие как NSGA-II и SPEA2. Однако их поведение в динамических условиях исследовано недостаточно. Цель данной работы – сравнительный анализ эффективности этих алгоритмов с различными стратегиями реагирования на изменения.
многокритериальная оптимизация, оптимизация в нестационарной среде, эволюционные алгоритмы, генетические алгоритмы
1. Рурич М.А., Вахнин А.В., Сопов Е.А. Сравнение эффективности различных подходов к формированию популяции при решении задач многокритериальной оптимизации // Сибирский аэрокосмический журнал. 2022. Т.23, №2. С.227-240. DOIhttps://doi.org/10.31772/2712-8970-2022-23-2-227-240.
2. Бугаев, Ю. В. Анализ моделей и алгоритмов оптимизации раскроя одномерных лесоматериалов / Ю. В. Бугаев, Л. А. Коробова, И. Ю. Шурупова // Моделирование систем и процессов. – 2024. – Т. 17, № 4. – С. 23-31. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-4-23-31. – EDN MRHWHP.
3. Шагеев, Д. А. Поиск решения проблемы выбора формы свёртки локальных векторов с целью повышения точности измерений в методе анализа иерархий / Д. А. Шагеев // Моделирование систем и процессов. – 2024. – Т. 17, № 3. – С. 95-105. – DOIhttps://doi.org/10.12737/2219-0767-2024-93-103. – EDN FUFKOX.
4. Yazdani D., Cheng R. F Survey of Evolutionary Continuous Dynamic Optimization Over Two Decades-Part A// IEEE Transactions on Evolutionary Computation. 2021. No 25(4). P. 609-629. DOI: https://doi.org/10.1109/TEVC.2021.3060014
