近日，自动化与电子工程学院巩敦卫教授与上海大学荣淼博士等在动态约束多目标进化优化领域取得研究进展，形成的论文“A prediction and weak coevolution-based dynamic constrained multi-objective optimization”，发表在中科院一区、Top期刊《IEEE Transactions on Evolutionary Computation》上。

所提方法的整体框架

针对动态约束多目标优化问题，论文提出了基于预测和弱协同进化的多目标优化方法，旨在有效地求解含有多个目标、多个约束条件且时间限制场景下的优化问题。所提方法首先设计了基于预测的环境变化响应机制，当环境变化时，兼顾Pareto前沿面预测的准确性和进化群体的多样性，生成对后续群体进化具有指导作用且分布均匀的初始群体，为进化群体高效、精准地全局搜索奠定基础。然后，利用改进的弱协同进化优化器，平衡进化群体的探索与开发能力。该优化器的主群体和辅助群体协同进化，前者由可行候选解及其附近的不可行候选解组成，以提升进化群体的可行性和收敛性；后者从群体多样性出发，不考虑约束条件的限制，以提高进化群体的多样性和搜索能力。

该成果同时利用了预测和弱协同进化的优势，应用于含有多个变化约束的矿山综合能源系统优化调度问题。结果表明，所提方法在可接受的时间内，生成了多个收敛性好且分布均匀的调度方案。

论文信息:

Gong Dunwei, Rong Miao*, Hu Na, Wang Yan, Witold Pedrycz, Yang Shengxiang, A prediction and weak coevolution-based dynamic constrained multi-objective optimization, IEEE Transactions on Evolutionary Computation, 2024, DOI:10.1109/TEVC.2024.3418470.