计算机应用研究

作者：李彤,顾清华,王倩,骆家乐,王建国,

单位：1.西安建筑科技大学a.资源工程学院;b.西安市智慧工业感知计算与决策重点实验室;c.管理学院,西安710055；2.哈密市和翔工贸有限责任公司,新疆哈密839200；

关键词：大规模稀疏多目标优化,动态模糊扰动,特征引导自适应交叉,双阶段参数自适应调控,双模态隶属度竞争决策,

基金：国家自然科学基金资助项目(52374135)；陕西省金属矿智能开采理论及技术创新团队资助项目(2023-CX-TD-12)；陕西省矿产资源低碳智能高效开采技术创新引智基地资助项目；陕西高校青年创新团队资助项目；；

现有多目标进化算法在求解大规模稀疏多目标优化问题时存在稀疏性控制能力弱、目标冲突均衡性差、易陷入局部最优等挑战，针对上述问题设计了一种融合动态模糊扰动和特征引导自适应交叉的多目标进化算法（multi-objective evolutionary algorithms for dynamic fuzzy perturbation and feature-guided adaptive crossover，MOEA-FA）。首先，通过引入基于双阶段参数自适应调控的动态模糊扰动策略，引导进化个体向特定偏好区域逼近以获取决策者期望的解，从而平衡目标间冲突，避免早熟收敛；其次，在二进制变量交叉过程中引入基于特征引导的自适应交叉策略，通过变量激活频率识别关键特征，优先保留高贡献度变量以维持解稀疏性。为验证MOEA-FA的有效性，将MOEA-FA和六种先进算法在8个基准测试问题和投资组合优化问题上开展测试。实验结果显示，MOEA-FA分别在80%和82.86%的测试问题上获得了IGD（inverted generational distance）和HV（hypervolume）指标的最佳结果，表明MOEA-FA在求解稀疏大规模多目标优化问题时具有优越的性能。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期