强化学习辅助的多阶段进化约束多目标优化

《ACM Transactions on Evolutionary Learning and Optimization》：Reinforcement Learning-Assisted Multi-Stage Evolutionary Constrained Multi-Objective optimization

多阶段进化算法通过强化学习动态确定优化阶段，并开发双候选进化阶段算法验证其有效性，实验表明优于传统方法在约束多目标优化中的性能。

　　

摘要

多阶段进化算法将种群进化过程划分为多个阶段，在受限多目标优化问题中展现了其有效性。现有算法中的进化阶段通常在优化之前由人工确定，这显著影响了算法解决各种问题的性能。为了解决这一问题，提出了一种基于强化学习的阶段确定策略。具体而言，进化过程被划分为多个阶段，强化学习在优化过程中动态确定这些阶段。此外，还开发了一种包含两个候选进化阶段的进化算法，以验证所提出策略的有效性。在基准测试和实际问题上的实验结果表明，该算法优于现有的最先进算法。