面向约束超多目标优化的双阶段搜索策略研究

摘要：

解决约束超多目标优化问题的关键在于约束处理和均衡收敛性与多样性,搜索空间中的约束阻碍种群寻找Pareto前沿面,容易使种群陷入局部最优,而离散的可行域则使种群的多样性较差.提出组合算子型双阶段搜索策略(two-stagesearch strategy with combined operator,TSCO).TSCO分两阶段处理约束:一阶段算法仅优化目标函数,种群不受约束制约快速向Pareto前沿面方向接近;二阶段通过目标转换将约束违反度视作一个新目标函数以解决原始约束问题.在搜索过程中使用模拟二进制交叉算子和DE/current-to-pbest/1算子构成的组合算子生成收敛性和多样性优秀的个体.为验证策略有效性,结合TSCO策略的AGE-MOEA(TSCOEA)在C_DTLZ、DC_DTLZ和MW测试集上同4种性能优异的约束超多目标进化算法进行对比.实验表明,在大多数问题上,TSCOEA获得的种群收敛性和多样性更好.

关键词：约束超多目标优化、进化算法、双阶段搜索、组合算子、Minkowski距离

所属期刊栏目：59

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金51977100

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：80-91