控制与决策

作者：王林锋,揭丽琳,黎明,何超,李军华

单位：南昌航空大学 江西省图像处理与模式识别重点实验室，南昌 330063,,南昌航空大学 江西省图像处理与模式识别重点实验室，南昌 330063,,南昌航空大学 江西省图像处理与模式识别重点实验室，南昌 330063,,南昌航空大学 江西省图像处理与模式识别重点实验室，南昌 330063,,南昌航空大学 江西省图像处理与模式识别重点实验室，南昌 330063,

关键词：约束高维多目标;多阶段优化;约束处理技术;分段时机;分级均衡准则;进化算法

基金：国家自然科学基金项目(62066031, 62272209, 62261039)；江西省自然科学基金项目(20242BAB25094)；江西省图像处理与模式识别重点实验室开放基金项目(ET202108415).

为了提高约束进化算法处理各种不同约束高维多目标优化问题的精确性和鲁棒性, 提出一种基于自适应双阶段分级均衡的约束高维多目标进化算法. 该算法将多阶段优化方法与混合约束处理技术相结合, 首先通过动态个体支配关系设计分段时机, 并自适应地切换进化过程的目标优化和约束处理两个阶段; 然后依据种群进化信息构建混合分级均衡准则, 利用自适应随机排序法在不可行状态选择个体, 并在半可行状态下定义半可行性准则以选择个体, 从而保持可行解与不可行解的动态均衡, 提高种群的收敛性、分布性和多样性. 在标准测试函数集C_DTLZ、DC_DTLZ和MW的大量实验结果表明, 所提出的算法对不同目标维数以及狭窄、离散或互不连通可行域的约束高维多目标问题均能取得较好的收敛性能和稳定性, 相对于MOEA/D-FCHT、MOEA/D-2WA、PPS、ToP和Trip五种先进方法, 具有更高的收敛精度和更好的鲁棒性.

来源：2025年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第5期