摘要
多目标优化已成为解决涉及多个相互冲突目标的工程设计及制造问题不可或缺的工具。本文提出了一种新型的无参数多目标优化（MOO）框架，该框架结合了进化型多目标优化技术的优势与Jaya和Rao算法的无参数搜索理念。该框架通过引入非支配排序、精英保存和拥挤距离机制，在收敛性和多样性之间实现了有效平衡，同时无需使用特定于算法的控制参数。首先，利用文献中报道的最大函数评估次数，在十六个广泛使用的无约束基准问题上对该框架进行了验证，这些基准问题包括五个ZDT问题、七个DTLZ问题、两个IDTLZ问题和两个SDTLZ问题。采用五种广泛认可的质量评估指标（即代际距离（GD）、逆代际距离（IGD）、超体积（HV）、间隔（SP）和扩散（SD））对框架的性能进行了评估。基准测试结果表明，与现有的几种先进进化型多目标优化算法相比，该框架能够生成具有竞争力的帕累托最优解集，并在收敛性、多样性和解分布方面表现出色。通过五个具有代表性的制造优化案例（包括选择性激光熔化、微波混合加热、可持续加工、线电火花加工和线弧增材制造）展示了该框架的实际应用价值。这些案例涵盖了增材制造、热加工、减材制造以及多目标制造优化问题，这些问题涉及不同的性能衡量标准。生成的帕累托最优解随后通过最新开发的BHARAT（最佳整体适应性属性排序技术）多属性决策方法进行排序，以确定最合适的折中方案。实验结果证明，这种无参数多目标优化框架为复杂的制造优化问题提供了一种简单有效的解决方案，具备良好的收敛性、多样性和决策支持能力。
