图神经网络引导的演化算法求解约束多目标优化问题

张毅芹; 韩宗宸; 孙靖; 赵春亮

doi:10.19728/j.issn1672-6634.2024070005

聊城大学学报（自然科学版） ›› 2025, Vol. 38 ›› Issue (01) : 135 -146. DOI: 10.19728/j.issn1672-6634.2024070005

图神经网络引导的演化算法求解约束多目标优化问题

张毅芹, 韩宗宸, 孙靖, 赵春亮

作者信息 +

Author information +

文章历史 +

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。