An Adaptive Constraint Violation Evaluation Framework for Constrained Multiobjective Evolutionary Optimization

Bing-Chuan Wang

doi:10.1109/TEVC.2025.3569722

An Adaptive Constraint Violation Evaluation Framework for Constrained Multiobjective Evolutionary Optimization

2025-05-13

0

PRE

AI

DOI：10.1109/TEVC.2025.3569722

原文链接

原文求助

摘要

En 中文

约束多目标优化进化算法通过结合约束违反评估（CVE）框架与约束处理技术来应对各种约束。约束违反评估是一个关键问题，它决定了如何有效利用约束信息。然而，现有研究对此关注有限。为弥补这一差距，本文提出了一种考虑进化状态的适应性CVE（ACVE）框架。ACVE首先将解划分为多个簇，然后为每个簇重新分配约束违反值。通过根据进化状态调整簇的数量，ACVE能自适应地在不同粒度级别利用约束信息。该设计使ACVE能在约束满足和目标优化之间取得更好平衡，从而减少对约束处理技术的依赖。在多个基准测试套件上进行的大量实验证明了ACVE的有效性。基于ACVE，我们开发了一种双种群动态协同进化算法（DDCo）。在多个基准测试套件上的实验中，DDCo在倒世代距离和超体积等指标评估下，表现出优于或相当于当前最优算法的性能。此外，DDCo成功应用于锂离子电池充电协议的优化。

Keyword:

Clustering

constrained multiobjective evolutionary optimization

constraint violation evaluation (CVE)

dual-population

lithium-ion battery

An Adaptive Constraint Violation Evaluation Framework for Constrained Multiobjective Evolutionary Optimization

摘要

期刊

机构

引用论文