A constrained multi-objective evolutionary algorithm based on online problem identification and separate handling

Xinyu Zhou

doi:10.1016/j.swevo.2025.102017

A constrained multi-objective evolutionary algorithm based on online problem identification and separate handling

2025-06-28

0

PRE

AI

DOI：10.1016/j.swevo.2025.102017

原文链接

原文求助

摘要

En 中文

求解约束多目标优化问题（CMOPs）具有挑战性，因为需要同时优化多个冲突目标并满足约束条件。近年来，为了更好地处理CMOPs，基于识别问题类型策略的约束多目标进化算法（CMOEAs）已被提出。然而，由于识别精度低和约束处理技术效率不高，其性能仍有限制。本文提出了一种基于在线问题识别和独立处理的CMOEA，命名为CMOEA-IH。首先，为提高问题识别的准确性，提出了一种在线问题识别策略，以在整个进化过程中识别问题类型。其次，基于识别出的类型，通过同时考虑无约束帕累托前沿和单约束帕累托前沿的信息，采用不同的约束处理技术。最后，在5个测试套件和3个实际问题的实验结果表明，所提出的算法与10种当前最先进的CMOEAs相比更具竞争力。

A constrained multi-objective evolutionary algorithm based on online problem identification and separate handling

摘要

期刊

机构

引用论文