面向复杂Pareto前沿的动态高维多目标进化优化方法与应用

There are a large number of dynamic many-objective optimization problems in real-world applications. Since the Pareto fronts of these problems are usually complex and dynamically changing, existing multi-objective evolutionary algorithms fail to solve them. This project studies dynamic many-objective evolutionary algorithms for handling complex Pareto fronts. Based on this project, we plan to propose a novel method to apperceive the property of a Pareto front in the high-dimensional space, establish a prediction model of Pareto optimal solution set in a dynamic environment, design a dynamic many-objective evolutionary algorithm guided by the perception of Pareto fronts, and apply the proposed theory and algorithm in unmanned aerial vehicle logistics distribution problems. This project is a novel and challenging research orientation with obvious social requirement, which combines artificial intelligence, computer science, automation, mathematics, and management science. The results of this project should produce a novel method for solving dynamic many-objective optimization problems, and improve the efficiency of unmanned aerial vehicle logistics distribution. Therefore, it has important theoretical and practical value.

实际工程应用中存在大量动态高维多目标优化问题，其Pareto前沿往往非常复杂且动态变化。现有多目标进化算法难以求解这类问题。本项目研究面向复杂Pareto前沿的动态高维多目标进化优化方法与应用。通过研究，拟提出高维空间中Pareto前沿的感知方法，建立动态环境下的Pareto最优解集预测模型，设计基于感知引导的动态高维多目标进化算法，并将所提方法应用于无人机物流调度问题。本项目是人工智能、计算机、自动化、数学，以及管理等多学科交叉、新颖且富有挑战性的研究方向，产生的成果能够丰富多目标进化优化理论，提高无人机物流配送的效率，因此，具有重要理论意义和实际应用价值。

现实世界中普遍存在着多目标优化问题，这些问题往往具有复杂的Pareto前沿、高维的目标空间、以及动态变化的环境。针对以上特征，本项目研究了面向复杂Pareto前沿的动态高维多目标进化优化方法与应用，主要包括四个方面的研究内容：（1）高维目标空间中复杂 Pareto 前沿的分析与感知，（2）动态多目标优化问题的设计与分析，（3）基于感知引导的动态高维多目标进化算法，（4）所提方法在无人机物流配送中的应用。针对以上四个研究内容，本项目深入研究了复杂Pareto 前沿的分析与感知，提出了复杂Pareto前沿的感知方法；针对动态变化环境的多目标优化问题，本项目提出了更具挑战性的动态多目标优化测试问题，以及应对动态变化环境的动态归一化方法；进一步地，基于复杂Pareto前沿的感知方法，本项目提出了基于感知引导的动态高维多目标进化算法，该算法可以有效感知复杂Pareto前沿的形状并引导算法找到在复杂Pareto前沿上均匀分布的解集；最后，本项目研究了多目标无人机物流配送这一实际应用问题，将进化多目标优化算法应用于该实际问题，实现了多目标无人机物流配送问题的求解，得到了不同的无人机物流配送策略，决策者可以根据实际情况和偏好选择其中的一个配送方案执行，这大大增加了决策者的可选择性，为无人机的物流配送任务提供了多样化的选择方案。