Dual-population two-archive evolutionary framework for constrained multi-objective optimization

doi:10.1016/j.matcom.2025.11.019

Dual-population two-archive evolutionary framework for constrained multi-objective optimization

2025-11-19

0

PRE

AI

DOI：10.1016/j.matcom.2025.11.019

原文链接

原文求助

摘要

En 中文

约束多目标优化问题（CMOPs）构成了一类在科学和工程领域内广泛存在且频繁遇到的优化挑战。为解决互补多目标优化问题中的狭窄且不连通可行区域问题，提出了一种双种群双档案约束多目标优化框架，该框架包含约束档案解相变和辅助种群环境选择暂停终止（CAE_2SP）。该算法采用不同效能的双种群和不同功能的双档案。为改善种群多样性较低的问题，提出了约束档案解相变策略。在该策略中，早期世代强调解的多样性，因此将主种群进化产生的非支配不可行解存储在档案中；在后期世代，则考虑解的可行性，使约束档案转变为存储非支配可行解。此外，本文提出了辅助种群环境选择暂停终止策略。在该策略中，辅助种群在后期世代停止更新，利用早期世代的最优种群信息引导进化，以减少后期计算资源消耗，并将更多资源提供给主种群，帮助其搜索潜在可行区域。在三个基准函数测试集中的九个对比算法的实验结果表明，CAE_2SP在解决CMOPs方面相较于其他算法具有更优性能。为验证所提算法在解决实际问题中的适用性，采用了六个真实世界问题进行测试。实验结果表明，CAE_2SP在处理实际问题上表现出竞争力。

Dual-population two-archive evolutionary framework for constrained multi-objective optimization

摘要

期刊

机构

引用论文