基于代理辅助的稳健多目标进化算法。

稳健多目标进化算法（RMOEAs）旨在获得稳健的最优解。然而，传统的RMOEAs通常需要评估大量的采样点，这在实际应用中往往因为高计算成本而不切实际。本文提出了一种基于代理辅助的稳健多目标进化算法（RMOEA-SA），该算法结合了径向基函数（RBF）代理模型和一种新颖的稳健距离度量（RDM）。所提出的算法利用RBF代理模型来近似采样点的适应度值，从而显著减少在稳健优化过程中所需的函数评估次数。此外，引入了由RBF代理模型辅助的RDM来衡量解的稳健性。此外，每个解的RDM值被视为一个额外目标，从而扩展了原始目标空间，并在这个扩展空间中进行选择，以实现稳健性与最优性之间的理想权衡。对标准基准函数和两个实际应用问题的实验结果表明，与几种现有算法相比，所提出方法的可行性和有效性更优。