基于双阶段双种群的约束多目标进化算法

王学武; 畅晨辉; 顾幸生

doi:10.14135/j.cnki.1006-3080.20250308002

华东理工大学学报（自然科学版） ›› 2025, Vol. 51 ›› Issue (06) : 804 -816. DOI: 10.14135/j.cnki.1006-3080.20250308002

基于双阶段双种群的约束多目标进化算法

王学武, 畅晨辉, 顾幸生

作者信息 +

Author information +

文章历史 +

PDF

摘要

在处理约束多目标优化问题（Constrained Multi-Objective Optimization Problems,CMOPs）时，平衡收敛性、可行性和多样性至关重要。现有的约束多目标进化算法（Constrained Multi-Objective Evolutionary Algorithms, CMOEAs）往往难以实现这种平衡，在处理具有复杂可行域的优化问题上表现欠佳。本文提出了一种基于双阶段双种群的进化算法（CMOEA-DD）。在全局搜索阶段，Pop1通过动态排名策略实现目标与约束之间的有效平衡，向Pareto前沿收敛的同时保留了目标值良好的不可行个体，进一步加快了收敛速度；Pop2忽略约束，旨在搜索整个空间，通过共享后代信息引导Pop1穿越不可行区域；在局部开发阶段，Pop2逐步增加个体对约束条件的偏好程度，同时通过提供多样性较好的可行个体，改善Pop1的分布效果。在4个知名测试套件上进行的实验表明，CMOEA-DD比7种代表性约束多目标进化算法更具竞争力。