约束多目标方法(5)——多种群协同优化

协同优化

为了更有效地求解cmp问题，许多研究者将cmp问题转化为其他问题，如将cmp问题转化为协同优化问题或两阶段优化问题。在转换之后，一些有前景的算子，如协同进化，可以帮助种群更好地探索搜索空间，发现一些新的和潜在的信息，最终获得完整的CPF。这期先向大家介绍多种群协同优化的方法。

相比与传统的罚函数法、多目标法，协同优化是较为新的方法、最早提出在2003年，也是近几年在约束处理中较为流行的方法。

近年算法整理

1、2003年Chafekar等将CMOP转化为多个单目标优化问题，其中实现了多个遗传算法，每个遗传算法优化一个目标，然后交换目标信息。

2Wang等提出了一种合作差分进化(DE)框架，同样使用m个子种群，每个子种群优化一个带有约束的目标，即单约束优化。此外，使用存档种群来保存获得的约束非支配解以接近CPF。

3、Liu和Wang提出了一种基于分解和临时存档CMOEA，将一个CMOEA分解为若干个子问题，每个子问题都有自己的子种群和临时存档。然后，通过协同进化策略对每个子问题进行优化。

4、Liu和Wang在基于分解和临时存档CMOEA的基础上提出了一种基于边界搜索和存档的约束处理方案，该方案将一个CMOP分解为若干个子问题，每个子问题都有自己的存档。构造了边界搜索策略，提高了算法的效率。

5、Yang等为了保持解的分布，通过对目标空间进行划分，将CMOP分解为多个子问题，并使用多个cht求解优化问题。

6、Liu等将CMOP问题转化为双种群优化问题，其中一个种群只优化约束，另一个种群专注于优化目标。同时，这两个群体之间存在着信息的相互作用和知识的传递。

7、Tian等提出了一种求解cmpp的协同进化框架CCMO，其中一个种群使用CCMO来求解原cmpp，即搜索CPF，而另一个种群忽略约束来寻找UPF。这两个种群在解决CMOPs时相互帮助。

8、Li等设计了一种双档案进化算法(C-TAEA)，一种是面向收敛的档案(CA)，目的是沿着PF3推进种群，另一种是面向多样性的档案(DA)，用于探索CA的未开发区域并保持种群多样性。

9、Wang等采用推进种群和正常种群两个种群设计了一种合作MOEA，推进种群注重收敛，前期不考虑约束，后期只考虑约束。正态总体搜索整个CPF，优先考虑总体的可行性和多样性。

10、Liu等人设计了一种双向协同进化算法，其中主种群和存档种群同时使用。主要种群保持可行性，从可行侧向CPF移动;档案种群利用角度信息保持种群多样性，从不可行侧向CPF逼近。