基于双阶段搜索的约束进化多任务优化算法

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Pareto前沿所包含的信息指导算法向约束Pareto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分别在14个和13个测试问题上取得最优反世代距离(IGD)值和超体积(HV)值，体现出明显优势。