动态多目标进化

动态多目标进化算法：基于知识转移和维护功能的动态多目标进化算法（KTM-DMOEA）求解CEC2018（DF1-DF14）在实际工程和现实生活中，许多优化问题具有动态性和多目标性，即目标函数会随着环境的变化而改变，并且存在多个相互冲突的目标。传统的多目标进化算法在处理这类动态问题时面临着一些挑战，如收敛速度慢、难以跟踪动态变化的 Pareto 前沿等。因此，需要开发新的算法来有效地解决 DMOPs。

动态多目标优化：动态约束多目标优化测试集DCP1-DCP9的TruePF（提供MATLAB代码）参考文献：[1]G. Chen, Y. Guo, Y. Wang, J. Liang, D. Gong and S. Yang, “Evolutionary Dynamic Constrained Multiobjective Optimization: Test Suite and Algorithm,” in IEEE Transactions on Evolutionary Computation, doi: 10.1109/TEVC.2023.3313689.