约束多目标优化算法（2）——基于排名值

基于排名值

与罚函数方法有相似的机制，是近年比较新的约束处理技术。 基本思想是利用个体的目标函数值与约束违反程度或者其他指标给予个体不同排名。基于进化进程，对排名机制进行动态调整。

TOR

Z. Ma, Y. Wang, and W. Song在2021年设计的一种基于两种排名的CHT，命名为ToR，其中每个个体以两种方式排序:一种基于目标函数，另一种基于约束优势原则(CDP)。然后，根据当前种群中可行解的比例，对两种排序进行自适应加权，得到新的适应度函数。

C-DPEA

M. Ming, A. Trivedi, R. Wang, D. Srinivasan, and T. Zhang也是在2021年设计了基于排名的CHT。对每个个体进行了两种排序，一种是基于收敛性，另一种是基于多样性。最后，根据生成信息，采用s型函数规则对这两种排序进行加权。为了引导种群在进化早期从不同方向进入可行区域，并在进化后期逼近帕累托最优解，

动态选择偏好选择机制

在对多个排名值处理时，大部分算法的参数都是从从0.5开始变化，这意味着对约束的偏好总是等于或大于目标。由于只考虑可行解的比例。如果比例等于0，则目标和约束的权重总是相等的，这将使算法在一些复杂问题上找不到可行的解决方案。
为了缓解这些问题，K. Yu, J. Liang, B. Qu, Y. Luo, and C. Yue等人提出了一种动态选择偏好辅助机制来转换目标和约束之间的偏好，根据设计的余弦函数曲线，对目标的偏好从1逐渐降低到0。