基于双阶段搜索的约束进化多任务优化算法

作     者：赵楷文 王鹏 童向荣 ZHAO Kaiwen;WANG Peng;TONG Xiangrong

作者机构：烟台大学计算机与控制工程学院山东烟台264005 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2024年第44卷第5期

页      面：1415-1422页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：收国家自然科学基金资助项目(62072392,61972360) 山东省重大科技创新工程项目(2019522Y020131) 山东省自然科学基金资助项目(ZR2020QF113) 烟台市重点实验室项目 

主　　题：约束多目标优化问题 进化多任务优化算法 双阶段进化机制 进化算法 约束处理技术 

摘      要：高效地平衡算法的多样性、收敛性和可行性是求解约束多目标优化问题(CMOP)的关键;然而,复杂约束的出现给该类问题的求解带来了更大的挑战。因此,提出一种基于双阶段搜索的约束进化多任务优化算法(TEMA),通过完成两个协同进化的任务实现多样性、收敛性和可行性之间的平衡。首先,进化过程由探索和利用两个阶段组成,分别致力于加强算法在目标空间的广泛探索能力和高效搜索能力;其次,设计一种动态约束处理策略以平衡种群中可行解的比例,从而增强算法在可行区域的探索能力;再次,提出一种回退搜索策略,利用无约束Pareto前沿所包含的信息指导算法向约束Pareto前沿快速收敛;最后,在两个基准测试集中的23个问题上进行对比实验。实验结果表明,TEMA分别在14个和13个测试问题上取得最优反世代距离(IGD)值和超体积(HV)值,体现出明显优势。