×
马海平;魏浩宇;田，叶;程冉;张兴义

一种用于复杂约束多目标优化的多阶段进化算法。 （英语） 兹比尔1484.90141

信息科学。 560, 68-91 (2021).
摘要：约束多目标优化问题（CMOP）很难处理，因为需要同时考虑目标和约束，特别是当约束极其复杂时。最近的一些算法在处理具有简单可行域的CMOP时效果很好；然而，对于具有复杂可行域的CMOP，大多数算法的有效性会大大降低。为了解决这个问题，本文提出了一种多阶段进化算法，其中约束被逐个添加，并在进化的不同阶段进行处理。具体来说，在早期阶段，该算法只考虑少量约束，可以使种群有效收敛到具有良好多样性的潜在可行区域。随着算法进入到后面的阶段，将考虑更多的约束条件，以根据前一阶段获得的解搜索最优解。此外，提出了一种根据对无约束Pareto前沿的影响排序约束处理优先级的策略，可以加快算法的收敛速度。在五个基准套件和三个实际应用程序上的实验结果表明，该算法在处理CMOP时，特别是在处理复杂约束的问题时，优于几种最先进的约束多目标进化算法。

引用于9文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
68瓦50 进化算法、遗传算法（计算方面）
90C29型 多目标规划

关键词：

进化算法;约束处理优先级;约束多目标优化

软件：

PlatEMO公司;SPEA2公司;MOEA/D公司
PDF格式BibTeX公司 XML格式引用
\textit{H.Ma}等人，《信息科学》。56068--91（2021年；Zbl 1484.90141）
全文： 内政部

参考文献：

[1] Y.Zhang、Y.Mei、B.Zhang和K.Jiang，带路径截断分解的分治大规模电容约束弧布线问题，信息科学553（2021）208-224。http://www.sciencedirect.com/science/article/pii/S0020025520310975, https://doi.org/10.1016/j.ins.2020.11.011。 ·Zbl 1484.90132号
[2] Jiao，R。；曾S。；Li，C.，约束优化的可行比率控制技术，信息科学，502201-217（2019）·Zbl 1453.90165号
[3] 阿里，I.M。；Essam，D。；Kasmarik，K.，背包问题的新型二进制差分进化算法，信息科学，542177-194（2021）·Zbl 1475.90077号
[4] Yina，Y。；Zhao，Y。；李，H。；Dong，X.，用于大规模动态社区检测的多目标进化聚类，信息科学，549269-287（2020）·Zbl 1474.62257号
[5] 博斯曼，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，IEEE进化计算汇刊，71974-188（2003）
[6] 科埃罗，C.A.C。；Brambila，S.G。；Gamboa，J.F。；马，G.C.T。；Gámez，R.H.，《进化多目标优化：开放的研究领域和未来的一些挑战》，《复杂与智能系统》，第6期，第221-236页（2020年）
[7] Deb，K.，遗传算法的一种有效约束处理方法，应用力学与工程中的计算机方法，186311-338（2000）·Zbl 1028.90533号
[8] Deb，K。；Agrawal，R.B.，连续搜索空间的模拟二进制交叉，复杂系统，9，115-148（1995）·Zbl 0843.68023号
[9] Deb，K。；Goyal，M.，工程设计的组合遗传自适应搜索（GeneAS），计算机科学和信息学，26，30-45（1996）
[10] 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i部分：解决箱约束问题，IEEE进化计算汇刊，18577-601（2014）
[11] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法：NSGA-II，IEEE进化计算汇刊，6182-197（2002）
[12] Z.Fan，W.Li，X.Cai，H.Huang，Y.Fang，Y.You，J.Mo，C.Wei，E.D.Goodman，《具有大不可行区域的cmops的moea/D中改进的ε约束处理方法》，软计算23（2019）12491-12510。
[13] 风扇，Z。；李伟（Li，W.）。；蔡，X。；Hui，L。；E.D.古德曼，出版。难度可调且可扩展的约束多目标测试问题工具包，进化计算（2019）
[14] 风扇，Z。；李伟（Li，W.）。；蔡，X。；李，H。；魏，C。；张，Q。；Deb，K。；Goodman，E.D.，求解约束多目标优化问题的推拉搜索，Swarm和进化计算，44665-679（2019）
[15] Farmani，R。；Wright，J.A.，约束优化的自适应适应度公式，IEEE进化计算汇刊，7445-455（2003）
[16] 得到，A。；穆萨维，A。；Zouache，D.，用于解决多目标优化问题的引导种群存档鲸鱼优化算法，应用专家系统，141，第112972页，（2020）
[17] 他，C。；李，L。；田，Y。；张，X。；Cheng，R。；Jin，Y。；Yao，X.，通过问题重组加速大规模多目标优化，IEEE进化计算汇刊，23949-961（2019）
[18] Homaifar，A。；齐，C。；Lai，H.Y.，通过遗传算法进行约束优化，《国际建模与仿真学会学报-仿真》，62，242-253（1994）
[19] Z.Hou，C.He，R.Cheng，《将偏好转化为进化多目标优化的约束条件》，《信息科学》541（2020）1-15·Zbl 1475.90090号
[20] Ishibuchi，H。；R.伊马达。；Setoguchi，Y。；Nojima，Y.，《如何在超级卷计算中指定参考点以进行公平性能比较》，进化计算，26，411-440（2018）
[21] Jain，H。；Deb，K.，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，IEEE进化计算汇刊，18，602-622（2014）
[22] Jiao，L。；李，L。；Shang，R。；刘，F。；Stolkin，R.，《约束优化的新型选择进化策略》，《信息科学》，239122-141（2013）
[23] Jiao，R。；曾S。；李，C。；Yang，S。；Ong，Y.S.，通过问题转换处理约束多目标优化问题，IEEE控制论汇刊，1-14（2020）
[24] Li，B。；Tang，K。；李，J。；Yao，X.，基于多指标的多目标优化随机排序算法，IEEE进化计算汇刊，20924-938（2016）
[25] 李凯。；陈，R。；Fu，G。；Yao，X.，约束多目标优化的双档案进化算法，IEEE进化计算汇刊，23303-315（2018）
[26] 林志浩，约束优化的粗糙惩罚遗传算法，信息科学，24119-137（2013）
[27] 刘，Z。；Wang，Y.，处理决策空间和目标空间中具有约束的约束多目标优化问题，IEEE进化计算汇刊，23870-884（2019）
[28] 马忠，王毅，进化约束多目标优化：测试集构造和性能比较，IEEE进化计算汇刊，2019年（正在出版）。
[29] 马，Z。；Wang，Y。；Song，W.，进化约束多目标优化的新适应度函数和两个排名，IEEE系统、人和控制论汇刊：系统，1-12（2019）
[30] McDonnell，J.R。；雷诺兹，R.G。；Fogel，D.B.，《进化计算方法中约束处理技术的调查》（1995），麻省理工学院出版社
[31] 彭，C。；刘，H。；Goodman，E.D.，基于改进版有向权重向量的合作进化框架，用于具有欺骗性约束的约束多目标优化，IEEE控制论汇刊，1-13（2020）
[32] 彭，C。；刘，H。；Gu，F.，一种用于约束多目标优化的具有定向权重的进化算法，应用软计算，60113-622（2017）
[33] 价格，K。；斯托恩·R·M。；Lampinen，J.A.，《差异进化：全球优化的实用方法》（2006），施普林格科学与商业媒体
[34] 齐，Y。；马，X。；刘，F。；Jiao，L。；Sun，J。；Wu，J.，具有自适应权重调整的MOEA/D，进化计算，22，231-264（2014）
[35] 萨哈，C。；达斯，S。；Pal，K。；Mukherjee，S.，用于约束进化优化的基于模糊规则的惩罚函数方法，IEEE控制论汇刊，462953-2965（2016）
[36] 田，Y。；Cheng，R。；张，X。；Cheng，F。；Jin，Y.，一种基于指标的多目标进化算法，具有更好的通用性，IEEE进化计算汇刊，22，609-622（2018）
[37] 田，Y。；Cheng，R。；张，X。；Jin，Y.，PlatEMO:进化多目标优化的MATLAB平台[教育论坛]，IEEE计算智能杂志，1273-87（2017）
[38] 田，Y。；张，T。；肖，J。；张，X。；Jin，Y.，约束多目标优化问题的共同进化框架，IEEE进化计算汇刊，1（2020）
[39] 田，Y。；Zhang，Y。；苏，Y。；张，X。；Tan，K。；Jin，Y.，在约束进化多目标优化中平衡目标优化和约束满足，IEEE控制论汇刊（2020）
[40] Wang，H。；Jiao，L。；Yao，X.，Two_arch2:用于多目标优化的改进双存档算法，IEEE进化计算汇刊，19524-541（2015）
[41] Wang，J。；梁，G。；Zhang，J.，约束多目标优化的合作微分进化框架，IEEE控制论汇刊，492060-2072（2019）
[42] Wang，Y。；蔡，Z。；周，Y。；Zeng，W.，约束进化优化的自适应权衡模型，IEEE进化计算汇刊，12，80-92（2008）
[43] 而L。；辛斯顿，P。；巴龙，L。；Huband，S.，计算超体积的更快算法，IEEE进化计算汇刊，10，29-38（2006）
[44] Xiang，Y。；杨，X。；周，Y。；Huang，H.，通过估计分布来增强基于分解的算法，用于约束的最优软件产品选择，IEEE进化计算汇刊，24245-259（2020）
[45] 张，M。；罗，W。；Wang，X.，约束优化的动态随机选择微分进化，信息科学，1783043-3074（2008）
[46] 张，Q。；Li，H.，MOEA/D:基于分解的多目标进化算法，IEEE进化计算汇刊，11712-731（2007）
[47] 周，Y。；朱，M。；Wang，J。；张，Z。；Xiang，Y。；Zhang，J.，约束多目标优化的三目标进化框架，IEEE系统、人与控制论汇刊：系统，503086-3099（2020）
[48] 朱，Q。；张，Q。；Lin，Q.，带检测和逃逸策略的约束多目标进化算法，IEEE进化计算汇刊，1（2020）
[49] E.Zitzler，S.Kunzli，《基于指标的多目标选择》，search（2004）832-842。
[50] Zitzler，E。；Laumanns，M。；Thiele，L.，SPEA2：改进多目标优化的强度Pareto进化算法，（第五届设计、优化和控制进化方法会议论文集，工业问题应用（2001）），95-100
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。