面向约束超多目标优化的双阶段搜索策略研究

doi:10.3778/j.issn.1002-8331.2207-0167

摘要/摘要

摘要：解决约束超多目标优化问题的关键在于约束处理和均衡收敛性与多样性，搜索空间中的约束阻碍种群寻找帕雷托前沿面，容易使种群陷入局部最优，而离散的可行域则使种群的多样性较差。提出组合算子型双阶段搜索策略（使用组合运算符TSCO的两阶段搜索策略）TSCO公司分两阶段处理约束：一阶段算法仅优化目标函数，种群不受约束制约快速向帕雷托前沿面方向接近；二阶段通过目标转换将约束违反度视作一个新目标函数以解决原始约束问题。在搜索过程中使用模拟二进制交叉算子和DE/当前到最佳/1算子构成的组合算子生成收敛性和多样性优秀的个体。为验证策略有效性，结合TSCO AGE-MOEA（TSCOEA）C_DTLZ、DC_DTLZ和MW种性能优异的约束超多目标进化算法进行对比。实验表明，在大多数问题上，TSCOEA公司获得的种群收敛性和多样性更好。

关键词: 约束超多目标优化, 进化算法, 双阶段搜索, 组合算子, 闵可夫斯基

摘要：在处理约束多目标优化问题时，进化算法的一个关键问题是约束处理以及收敛性和多样性之间的折衷。然而，搜索空间中的约束阻碍了种群找到Pareto前沿，这往往会使种群陷入局部最优，而离散的可行区域使种群的多样性降低。为此，提出了一种结合算子的两阶段搜索策略。TSCO分两个阶段处理约束。首先，该算法只优化目标函数，不限制种群快速逼近Pareto前沿方向。其次，将约束违背度作为一个新的目标函数，通过目标变换解决原约束问题。在搜索过程中，使用由模拟二进制交叉算子和DE/current-to-best/1算子组成的组合算子来生成具有良好收敛性和多样性的个体。为了验证策略的有效性，在C_DTLZ、DC_DTLZ和MW测试套件上，将AGE-MOEA结合TSCO（TSCOEA）与四种最新的约束多目标进化算法进行了比较。实验表明，TSCOA在大多数问题上都能获得更好的种群收敛性和多样性。

关键词： 约束多目标优化，进化算法，两阶段搜索，组合运算符，闵可夫斯基距离

耿焕同, 周征礼, 沈俊烨, 宋飞飞. 面向约束超多目标优化的双阶段搜索策略研究[J] ●●●●。计算机工程与应用, 2023, 59(7): 80-91.

耿焕通、周正立、沈俊业、宋菲菲。约束多目标优化的两阶段搜索策略研究[J]。计算机工程与应用，2023,59（7）：80-91。

参考文献

[1] 李智勇，黄滔，陈少淼，等.约束优化进化算法综述[J] .报告，2017,28（6）：1529-1546。
李振英，黄涛，陈思明，等.约束优化进化算法综述[J]。软件杂志，2017,28（6）：1529-1546。
[2] MALA-JETMAROVA H，SULTANOVA N，SAVIC D。输水系统优化？系统设计文献综述[J]。环境建模与软件，2018,93:209-254。
[3] 易灵芝，林佳豪，刘建康，等.改进自适应MOEA/D公司算法的楼宇负荷优化调度[J] ●●●●。计算机工程与应用，2022，58（2）：295-302.
YI L Z，LIN J H，LIU J K，等.建筑负荷优化调度的改进自适应MOEA/D算法[J]。计算机工程与应用，2022,58（2）：295-302。
[4] JAIN H，DEB K。一种使用基于参考点的非支配排序方法的进化多目标优化算法，第二部分：处理约束并扩展到自适应方法[J]。IEEE进化计算汇刊，2013,18（4）：602-622。
[5] DEB K，JAIN H。一种使用基于参考点的非支配排序方法的进化多目标优化算法，第一部分：求解带方框约束的问题[J]。IEEE进化计算汇刊，2014,18（4）：577-601。
[6] PANICHELLA A.基于非欧几里德几何的多目标优化自适应进化算法[C]//遗传与进化计算会议论文集，2019:595-603。
[7] 谢承旺，余伟伟，郭华，等.DAV-MOEA：一种采用动态角度向量支配关系的高维多目标进化算法[J] .《雷击报》，2022,45（2）：317-333。
谢春伟，于文伟，郭赫，等.基于动态角度向量的优势关系多目标进化算法[J]。中国计算机学报，2022,45（2）：317-313。
[8] 张Q，李H.MOEA/D:一种基于分解的多目标进化算法[J]。IEEE进化计算汇刊，2007,11（6）：712-731。
[9] CHENG R，JIN Y，OLHOFER M，et al.一种用于多目标优化的参考向量引导进化算法[J]。IEEE进化计算汇刊，2016，20（5）：773-791。
[10] 耿焕同，戴中斌，王天雷，等.基于参考点选择策略的改进型NSGA-III’co.（美国国家科学院院刊）[J]。模式识别与人工智能，2020，33（3）：191-201.
耿海涛，戴志斌，王天良，等.基于参考点选择策略的改进NSGA-III算法[J]。模式识别与人工智能，2020,3（3）：191-201。
[11] BADER J，ZITZLER E.HypE:一种基于快速超卷的多目标优化算法[J]。进化计算，2011,19（1）：45-76。
[12] 田毅，程锐，张欣，等.一种基于指标的参考点自适应多目标进化算法[J]。IEEE进化计算汇刊，2017,22（4）：609-622。
[13] DEB K，PRATAP A，AGARWAL S，等.一种快速的精英多目标遗传算法：NSGA-II[J]。IEEE进化计算汇刊，2002,6（2）：182-197。
[14] TAKAHAMA T，SAKAI S.通过ε约束自适应差分进化实现高效约束优化[C]//IEEE进化计算大会论文集，2010:1-8。
[15] 焦润，曾慎，李聪，等.利用问题变换处理约束多目标优化问题[J]。IEEE控制论汇刊，2020,51（10）：4834-4847。
[16] 焦润，曾慎，李聪，等.基于MOEA/D的高约束多目标优化的两类权重调整[J]。信息科学，2021578:592-614。
[17] 李坤，陈蓉，傅刚，等.约束多目标优化的双层次进化算法[J]。IEEE进化计算汇刊，2018年，23（2）：303-315。
[18] 向毅，杨旭，黄华，等.约束多目标优化中考虑问题类型的约束与目标平衡[J]。IEEE控制论汇刊，2023,53（1）：88-101。
[19] DEB K，AGRAWAL R B.连续搜索空间的模拟二进制交叉[J]。复杂系统，1995,9（2）：115-148。
[20] DEB K，GOYAL M.工程设计中的组合遗传自适应搜索[J]。计算机科学与信息学，1996年，26:30-45。
[21]DAS S，SUGANTAN P N.差异进化：最新技术综述[J]。IEEE进化计算汇刊，2010，15（1）：4-31。
[22]ISHIBUCHI H，SETOGUCHI Y，MASUDA H，等.基于分解的多目标算法的性能强烈依赖于Pareto波前形状[J]。IEEE进化计算汇刊，2016,21（2）：169-190。
[23]汤普森A C，汤普森A C.闵可夫斯基几何[M]。剑桥：剑桥大学出版社，1996年。
[24]ALEFELD G.关于Halley方法的收敛性[J]。美国数学月刊，1981,88（7）：530-536。
[25]TIAN Y，CHENG R，ZHANG X，et al.PlatEMO:一个用于进化多目标优化的Matlab平台[教育论坛][J]。IEEE计算智能杂志，2017,12（4）：73-87。
[26]马兹，王勇。进化约束多目标优化：测试套件构建和性能比较[J]。IEEE进化计算汇刊，2019，23（6）：972-986。
[27]BOSMAN P A N，THIERENS D.多目标进化算法中接近性和多样性之间的平衡[J]。IEEE进化计算汇刊，2003,7（2）：174-188。
[28]王伟，李凯，陶鑫，等.一种具有自适应进化策略的改进MOEA/D算法[J]。信息科学，2020539:1-15。
[29]王赫，金毅，姚霞.多目标优化中的多样性评价[J]。IEEE控制论汇刊，2016,47（6）：1510-1522。
[30]田毅，程锐，张欣，等.多目标进化算法的多样性评估：性能度量和基准问题[研究前沿][J]。IEEE计算智能杂志，2019,14（3）：61-74。