Reinforcement learning based multi-population co-evolution algorithm with indicator preference guidance for multiobjective optimization

Kaibin Xu

doi:10.1016/j.swevo.2026.102534

Reinforcement learning based multi-population co-evolution algorithm with indicator preference guidance for multiobjective optimization

2026-09-13

0

PRE

AI

DOI：10.1016/j.swevo.2026.102534

原文链接

原文求助

摘要

En 中文

多目标优化问题（MOPs）需要在收敛至帕累托前沿（PF）与多样性维护之间保持精妙平衡。传统算法在处理高维目标和复杂PF时往往难以应对。本文提出了一种基于强化学习（RL）的多种群协同进化算法MPCEP，其中每个子种群扮演特定角色。第一子种群通过收敛外部存档和偏好进化策略提升解质量，利用基于解相似性和反向进化的偏好引导将解导向真实PF。第二子种群通过动态惩罚策略鼓励探索并确保多样性，防止早熟收敛。第三子种群结合强化学习与奖惩机制促进次优解的出现，允许在搜索过程中进行自适应偏好调整。该协同进化结构通过动态调整实现决策空间的高效探索与开发，同时促进子种群间的协作。在基准问题和实际问题的广泛实验表明，MPCEP在收敛性和多样性方面均持续优于现有算法，凸显其在各领域解决多目标优化问题的鲁棒性与适应性。

Keyword:

Multiobjective optimization co-evolutionary

Preference guidance

Multi-population

Reinforcement learning

Reinforcement learning based multi-population co-evolution algorithm with indicator preference guidance for multiobjective optimization

摘要

期刊

机构