إطار تطوري ثنائي المراحل للتحسين متعدد الأهداف

في مجال تحسين متعدد الأهداف التطوري، يتم تحقيق تقريب جبهة باريتو (PF) من خلال استخدام مجموعة من الحلول المرشحة التمثيلية التي تُظهر تقاربًا وتنوعًا مرغوبين. على الرغم من تصميم العديد من الخوارزميات التطورية متعددة الأهداف (MOEAs)، إلا أنها تواجه صعوبات في الحفاظ على التوازن بين التقارب وتنوع السكان. لحل مشكلات تحسين متعددة الأهداف (MOPs) بشكل أفضل، تقترح هذه الورقة إطارًا تطوريًا ثنائي المراحل للتحسين متعدد الأهداف (TEMOF). حرفيًا، يتم تقسيم الخوارزميات إلى مرحلتين لتعزيز القدرة على البحث لدى السكان. خلال النصف الأول من التطورات، يتم إجراء اختيار الآباء حصريًا من السكان الأساسيين. بالإضافة إلى ذلك، نقوم بأداء اختيار بيئي على السكان الحاليين، لكننا أيضًا نقوم بإنشاء أرشيف خارجي لتخزين الأفراد الموجودين على PF الأول. بعد ذلك، في المرحلة الثانية، يتم اختيار الآباء عشوائيًا إما من السكان أو من الأرشيف. في التجارب، يتم دمج خوارزمية MOEA كلاسيكية واثنين من الخوارزميات الحديثة في الإطار لتشكيل ثلاث خوارزميات جديدة. تظهر نتائج التجارب الأداء الفائق والموثوق للإطار المقترح عبر مجموعة واسعة من MOPs. علاوة على ذلك، يتم مقارنة الفائز بين ثلاث خوارزميات جديدة مع العديد من MOEAs الموجودة ويظهر نتائج أفضل. في الوقت نفسه، نستنتج الأسباب التي تجعل الإطار الثنائي المراحل فعالًا بالنسبة للدوال المرجعية الموجودة.