《计算机应用》唯一官方网站››2024,第44卷››问题(5): 1415-1422.内政部:10.11772/j.issn.1001-9081.2023050696
• 2023年中国计算机学会人工智能会议(CCFAI 2023)• (一)
赵楷文,王鹏(),童向荣
收稿日期:
收益率:
接受日期:
日本:
出版日期:
通讯作者:
作者简介:
基金资助:
赵凯文,王鹏(音译)(),香蓉通
收到:
修订过的:
认可的:
在线:
出版:
联系人:
关于作者:
支持单位:
摘要:
高效地平衡算法的多样性、收敛性和可行性是求解约束多目标优化问题(CMOP)的关键;然而,复杂约束的出现给该类问题的求解带来了更大的挑战。因此,提出一种基于双阶段搜索的约束进化多任务优化算法(TEMA)通过完成两个协同进化的任务实现多样性、收敛性和可行性之间的平衡。首先,进化过程由探索和利用两个阶段组成,分别致力于加强算法在目标空间的广泛探索能力和高效搜索能力;其次,设计一种动态约束处理策略以平衡种群中可行解的比例,从而增强算法在可行区域的探索能力;再次,提出一种回退搜索策略,利用无约束帕雷托前沿所包含的信息指导算法向约束帕雷托前沿快速收敛;最后,在两个基准测试集中的23个问题上进行对比实验。实验结果表明,TEMA公司个测试问题上取得最优反世代距离(IGD)和(HV)值,体现出明显优势。
关于: 约束多目标优化问题, 进化多任务优化算法, 双阶段进化机制, 进化算法, 约束处理技术
有效地平衡多样性、收敛性和可行性之间的关系是求解约束多目标优化问题的关键。然而,复杂约束的出现给CMOP的求解带来了更大的挑战。因此,提出了一种基于两阶段搜索的约束进化多任务优化算法(TEMA),通过共同完成两个协同进化任务来实现多样性、收敛性和可行性之间的平衡。首先,将整个进化过程分为两个阶段,即探索阶段和利用阶段,分别致力于增强算法在目标空间的广泛探索能力和高效搜索能力。其次,设计了一种动态约束处理策略,以平衡可行解在种群中的比例,提高算法在可行区域的探索能力。然后,提出了一种反向搜索策略,利用无约束Pareto前沿中包含的信息引导算法快速收敛到约束Pareto-front。最后,在两个基准测试套件中对23个问题进行了对比实验,以验证所提算法的性能。实验结果表明,该算法分别在14个和13个测试问题上获得了最优IGD(Inverted Generational Distance)和HV(HyperVolume)值,体现了其显著的优势。
关键词: 约束多目标优化问题(CMOP), 进化多任务优化算法, 两阶段进化机制, 进化算法, 约束处理技术
中图分类号:
TP301.6型
赵楷文, 王鹏, 童向荣. 基于双阶段搜索的约束进化多任务优化算法[J] ●●●●。计算机应用, 2024, 44(5): 1415-1422.
赵凯文,王鹏,汤向荣。基于两阶段搜索的约束进化多任务优化算法[J]。计算机应用杂志,2024,44(5):1415-1422。
0 / 第三方
导出引用管理器 尾注|里斯|BibTeX公司
链接本文: http://www.joca.cn/cn/10.11772/j.issn.1001-9081.2023050696
http://www.joca.cn/cn/Y2024/V44/I5/1415
图1回复CMOP
图1复杂CMOP的图解
图2TEMA公司
图2TEMA流量
表1TEMA和美国DASCMOP IGD
表1TEMA的IGD结果和DASCMOP上的五种比较算法
表2TEMA和DASCMOP HV
表2TEMA的HV结果和DASCMOP上的五种比较算法
图三TEMA和DASCMOP5上获得的最终种群
图3TEMA和DASCMOP5上的五种比较算法获得的最终总体
表三TEMA和LIRCMOP IGD
表3TEMA的IGD结果和LIRCMOP上的四种比较算法
表4TEMA和LIRCMOP HV
表4TEMA的HV结果和LIRCMOP上的四种比较算法
图4TEMA和LIRCMOP4上获得的最终种群
图4通过TEMA和LIRCMOP4上的五种比较算法获得的最终种群
美国TEMA公司
的算法
表5威尔科森·弗里德曼姓名
表5Wilcoxon的测试结果和Friedman测试在两个基准测试套件上的平均排名
表6 2个基准测试集上的多问题威尔科森公司
表6两个基准测试套件的多问题Wilcoxon测试结果
表7TEMA和LIRCMOP IGD
表7TEMA的IGD结果和LIRCMOP上的两个变量算法
表8TEMA和DASCMOP IGD
表8TEMA的IGD结果和DASCMOP上的两个变量算法