控制与决策

作者：贺娟娟,刘鸿伟,张凯,葛明峰

单位：武汉科技大学 计算机科学与技术学院，武汉 430065;武汉科技大学 智能信息处理与实时工业系统湖北省重点实验室，武汉 430065,,武汉科技大学 计算机科学与技术学院，武汉 430065;武汉科技大学 智能信息处理与实时工业系统湖北省重点实验室，武汉 430065,,武汉科技大学 计算机科学与技术学院，武汉 430065;武汉科技大学 智能信息处理与实时工业系统湖北省重点实验室，武汉 430065,,中国地质大学(武汉)机械与电子信息学院，武汉 430074,

关键词：多目标进化算法;多模态多目标优化问题;进化算法;差分进化算法;弱交互双种群协同进化;Lennard-Jones势能

基金：国家自然科学基金项目(62272355, 62176191, 62473349)；武汉市自然科学基金项目(2025040601020144).

多模态多目标优化(MMOP)作为多目标优化领域的一大挑战, 要求算法不仅在目标空间获得高质量的帕累托解, 还要在决策空间捕捉多个结构明显不同但等效的解. 在这种双重需求下, 目标空间强收敛性易掩盖决策空间多样性, 导致解集结构单一化; 与此同时, 种群间交互的强弱失衡又分别引发种群同质化或协同失效等问题. MMOP已成为制约复杂系统优化性能的关键瓶颈. 为此, 提出一种基于增强弱交互与Lennard-Jones (LJ)势能引导机制的双种群协同进化算法. 首先构建一种非对称信息交换机制, 在交配与子代生成阶段由收敛性种群向多样性种群建立精英引导路径, 有效兼顾多样性保持与进化效率; 其次, 环境选择策略由并行改为串行, 强化种群异质性, 减少对额外多样性策略的依赖, 提升稳定性与鲁棒性; 为提升种群在不同演化阶段的收敛性与多样性, 设计一种基于LJ势能模型的自适应候选解选择策略, 重新量化其交互权重, 该策略有效实现了探索与开发的动态平衡. 在多个典型MMOP测试函数上的实验结果表明, 所提算法在解集多样性、帕累托逼近质量和优化效率方面均优于主流方法, 展现出良好的泛化能力与工程应用潜力.

来源：2026年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第3期