Three-stage multi-population constrained multi-objective evolutionary algorithm with role dynamic adjustment

Zhiqiang Zeng

doi:10.1016/j.eswa.2026.134748

Three-stage multi-population constrained multi-objective evolutionary algorithm with role dynamic adjustment

2026-10-17

0

PRE

AI

DOI：10.1016/j.eswa.2026.134748

原文链接

原文求助

摘要

En 中文

多群体协同进化算法已被广泛认可为求解约束多目标优化问题的有效方法。然而，设计有效的合作机制以同时平衡目标与约束之间的权衡以及多样性与收敛性之间的权衡，仍然是一个具有挑战性的问题。首先，本研究提出了一种三阶段合作机制，动态调整子群体的角色以控制群体的进化轨迹。其次，我们开发了一种基于进化状态驱动的多策略约束处理技术。第三，我们基于外部档案和深度强化学习构建了一种自适应搜索策略。最后，我们提出了一种具有动态角色调整的三阶段多群体约束多目标进化算法。该算法在47个基准测试问题和21个实际问题的性能得到了验证。实验结果表明，所提出的算法显著优于10种比较算法。此外，进行了消融研究和参数分析，以验证每个组件的有效性。

Keyword:

Multi-population

Constrained multi-objective

Evolutionary algorithm

Constraint-handling technique

Three-stage multi-population constrained multi-objective evolutionary algorithm with role dynamic adjustment

摘要

期刊

机构

引用论文