融合参考向量更新的约束高维多目标进化算法

摘要

为有效解决约束高维多目标优化问题，本文提出了一种新型的融合参考向量更新的双种群双阶段进化算法WDPEA-RVU,旨在高维空间中有效平衡可行性、收敛性和多样性.首先，算法采用双种群双阶段机制，通过辅助种群与主要种群的信息交流，实现全局搜索与局部集中的有效协作.其次，针对在高维空间中传统Pareto支配关系影响力减弱的问题，算法结合θ-支配，提出新的环境选择策略，以增强在高维空间中收敛性的选择压力.最后，为解决可行区域内个体分布不均的问题，设计了一种参考向量更新机制，以改善可行区域内个体的分布多样性.通过与其它代表性算法在C＿DTLZ、DC＿DTLZ和MW测试套件上进行不同目标数量的对比实验，展现了WDPEA-RVU的先进性；并通过在ZXH＿CF测试套件上进行不同目标数量的消融实验，验证了本文所提出参考向量更新机制的有效性.

关键词

约束高维多目标 / 双种群 / 双阶段 / 进化算法 / 环境选择 / 参考向量更新