吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (2): 321-328.
刘仁云1a , 张 旭1a , 姚亦飞1b , 于繁华2
LIU Renyun 1a , ZHANG Xu 1a , YAO Yifei 1b , YU Fanhua 2
摘要: 针对约束多目标优化算法(COA: Constrained Optimization Algorithms)中存在的难以有效兼顾收敛性和多 样性的问题, 提出了采用协同进化策略的多目标优化算法(CoMaC)。 首先, 将一个 COA 转化为一个带动态约 束处理的多目标进化算法。 然后采用差分进化(DE: Differential Evolution)生成第 1 种群, 并将其中的已知可行 解选入第 2 种群, 并与第 1 种群协同进化。 第 1 种群通过保持原约束条件的全局搜索加快收敛。 第 2 种群通过 局部搜索进化, 保持并获得更多可行解。 最后采用标准约束多目标测试函数进行实验, 以测试所提出算法的性 能。 实验结果表明, 与使用惩罚函数处理约束问题( PF: Penalty Function) 和使用动态处理约束边界方法 (DCMaOP: Dynamic Constrained Many Objective optimization Problem) 相比, 所提算法在反向世代距离( IGD: Inverted Generational Distance)和超体积(HV: Hypervolume)两个指标上均取得了良好的结果, 说明所提算法可 以有效地兼顾收敛性和多样性。
中图分类号: