Recherche évolutive adaptative en plusieurs étapes pour l'optimisation multi-objectifs contrainte

Résumé Dans cet article, nous proposons un cadre évolutif en plusieurs étapes avec sélection adaptive (MSEFAS) pour gérer efficacement les problèmes d'optimisation multi-objectifs contraints (CMOP). MSEFAS comprend deux étapes d'optimisation dans sa phase précoce de recherche évolutive : une étape qui encourage des solutions non réalisables prometteuses à se rapprocher de la région réalisable et augmente la diversité, et l'autre étape qui permet à la population de couvrir de grandes régions non réalisables et accélère la convergence. Pour déterminer de manière adaptative l'ordre d'exécution de ces deux étapes dans le processus précoce, MSEFAS traite l'étape d'optimisation avec une validité plus élevée des solutions sélectionnées comme la première étape et l'autre comme la deuxième. De plus, dans la phase tardive de la recherche évolutive, MSEFAS introduit une troisième étape pour gérer efficacement les diverses caractéristiques des CMOP en considérant la relation entre les fronts de Pareto contraints (CPF) et les fronts de Pareto non contraints. Nous comparons le cadre proposé avec onze algorithmes d'optimisation multi-objectifs évolutifs de pointe sur 56 CMOP de référence. Nos résultats démontrent l'efficacité du cadre proposé dans la gestion d'un large éventail de CMOP, mettant en lumière son potentiel pour résoudre des problèmes d'optimisation complexes.