An evolutionary multitasking optimization framework with fusion space for constrained multimodal multiobjective problems*

Yan Li

doi:10.1016/j.eswa.2026.132983

An evolutionary multitasking optimization framework with fusion space for constrained multimodal multiobjective problems*

2026-06-01

0

PRE

AI

DOI：10.1016/j.eswa.2026.132983

原文链接

原文求助

摘要

En 中文

约束多模态多目标优化问题（CMMOPs）的挑战性在于难以在可行区域内平衡解的收敛性和多样性。尽管现有算法在大多数CMMOPs上表现出良好的性能，但在具有大规模不可行区域屏障的CMMOPs中，其收敛性和多样性往往不理想。为克服上述局限性，本研究提出了一种融合空间的进化多任务优化框架，称为FSC-MTO，通过从两个辅助任务向主任务迁移知识来解决此类复杂问题。在所提出的框架中，主任务直接求解原始CMMOPs。第一个辅助任务采用约束松弛来扩展搜索空间并引导种群向潜在区域。第二个辅助任务采用目标松弛来增强可行区域内种群的多样性，防止收敛到局部帕累托解集。此外，设计了一种基于融合空间的选取机制，以同时保持解在决策空间和目标空间中的分布。在31个基准问题和1个实际案例上的实验验证表明，FSC-MTO在求解复杂CMMOPs方面显著优于现有主流算法。

Keyword:

Evolutionary algorithm

Constrained multimodal multiobjective

optimization

Multitasking

Fusion space

An evolutionary multitasking optimization framework with fusion space for constrained multimodal multiobjective problems*

摘要

期刊

机构

引用论文