计算机应用

作者：张春雨, 刘建昌, 刘圆超, 张伟

单位：1.东北大学 信息科学与工程学院，沈阳 110819；2.工业智能与系统优化国家级前沿科学中心（东北大学），沈阳 110819

关键词：昂贵多目标优化问题,进化算法,填充采样准则,两阶段,自适应多样性增强策略

基金：国家自然科学基金面上项目(62273080);高等学校学科创新引智计划项目(B16009)

针对昂贵多目标优化问题（EMOP），尽管已有许多相关算法被提出，但大多数现有算法未能取得令人满意的结果。主要原因是这些算法中的填充采样准则不能很好地平衡选择个体的收敛性、多样性和不确定性。因此，提出一种基于两阶段填充采样的昂贵多目标进化算法（TISEMOEA）。在第一阶段，设计一种基于收敛性的填充采样准则，以选择收敛性和多样性都良好的个体，进而平衡收敛性和多样性；在第二阶段，设计一种基于多样性的填充采样准则，在不损害收敛性的前提下选择不确定性较大的个体，进而提高模型的精度和增强种群的多样性。此外，提出一种自适应多样性增强策略，以调整使用基于多样性的填充采样准则选择个体的频率，从而在增强种群多样性的同时平衡算法的探索和开发能力。把TISEMOEA与MOEA/D-EGO （MOEA/D with the Gaussian process model）、HeE-MOEA （Heterogeneous Ensemble-based infill criterion for MOEA）、TISS-EMOA （Two-stage Infill Sampling-based Semi-supervised EMOA）、PCSAEA （Pairwise Comparison based Surrogate-Assisted Evolutionary Algorithm）以及SFA/DE （Evolutionary multiobjective optimization assisted by scalarization function approximation for high-dimensional expensive problems）这5种先进算法在DTLZ的28个测试问题和WFG的27个测试问题上进行对比实验，并分析反转世代距离（IGD）指标。实验结果显示：TISEMOEA分别在19个和16个测试问题上获得了最佳结果。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期