图神经网络引导的演化算法求解约束多目标优化问题

摘要

约束多目标优化问题由于其约束复杂性、可行域不规则性和可行解稀疏性,通常存在难以精准刻画约束关系,以及难以找到收敛性好且分布均匀的帕累托非支配解等问题。为此,本文提出了一种图神经网络引导的约束多目标演化算法,该算法包括了学习模块与权向量自适应策略,其中学习模块通过训练图神经网络对解集进行快速评估,权向量自适应策略通过判别准则和更新机制增强种群多样性。实验结果表明,该算法在多个基准测试问题上显著优于现有的五个先进算法,在复杂约束多目标优化问题上表现出色。

关键词

图神经网络 / 约束多目标优化问题 / 约束多目标演化算法 / 权向量更新

基金资助

国家自然科学基金项目(62373171); 山东省自然科学基金项目(ZR2023QF065); 低空飞行智能服务保障山东省工程研究中心开放课题(KF2024SD006)资助