An adaptive weight optimization algorithm based on decision variable grouping for large-scale multi-objective optimization problems

Hao Wang

doi:10.1016/j.swevo.2025.102149

An adaptive weight optimization algorithm based on decision variable grouping for large-scale multi-objective optimization problems

2025-09-18

0

PRE

AI

DOI：10.1016/j.swevo.2025.102149

原文链接

原文求助

摘要

En 中文

在求解大规模多目标优化问题（LSMOPs）时，传统多目标优化算法的优化效果会随着决策变量数量的增加而恶化。基于问题变换的权重优化方法能够有效解决LSMOPs，展现出比大多数进化算法更优的收敛性能。然而，现有问题变换方法往往难以平衡收敛性和多样性，导致算法陷入局部最优。为了有效解决这一问题，我们提出了一种基于变量分组的自适应权重优化算法（GWOEA）。该算法通过在组内优化权重来加速种群收敛，同时自适应控制策略增强多样性，避免局部最优，确保优化过程中收敛性与多样性的平衡。为降低求解LSMOPs的规模，通过分组决策变量进行权重优化：首先计算各组内变量的权重，然后直接优化权重而非决策变量。自适应控制策略用于检测种群进化是否停滞并处理停滞种群，确保种群保持探索能力。为评估GWOEA的有效性，在包含变量规模从500到5000的基准测试问题上进行了全面的比较实验。结果表明，所提算法具有相对更优的优化性能。

An adaptive weight optimization algorithm based on decision variable grouping for large-scale multi-objective optimization problems

摘要

期刊

机构

引用论文