交互进化算法：基于偏好方向的区间多目标优化

本文主要探讨了一种基于决策者偏好方向的区间多目标交互进化算法。区间多目标优化问题在实际工程、经济和社会决策中广泛应用，涉及多个目标函数之间的权衡和折衷，因此找到能满足决策者特定偏好的解决方案至关重要。传统方法往往难以兼顾所有目标，而该研究则试图通过与决策者实时互动来提高优化过程的针对性。 该算法的核心思想是将决策者的需求融入优化过程。首先，它并不一次性求解所有目标的最优解，而是通过迭代的方式，在每一轮优化后邀请决策者参与，让其从部分非被支配解（即不能通过简单的线性组合劣于其他解的解）中选择一个最差解。这个选择过程揭示了决策者对目标函数相对重视程度的方向，即偏好方向。 接着，根据决策者的选择，算法设计了一种新的评价指标，这个指标不仅考虑了解的多目标优化性能，还反映了解在决策者偏好的映射下更接近满意度。这样，即使在解空间中具有相同的目标函数值，那些更符合决策者偏好的解也将被优先考虑。 在实验部分，作者将这种方法应用到四个具体的区间二目标优化问题上，对比了其与偏好多面体进化算法(PPIMOEA)以及后验法的性能。结果显示，基于偏好方向的交互进化算法在找到满足决策者偏好的满意解方面表现出显著的优势，不仅有效，而且效率较高，这证明了该算法在实际问题中的有效性与实用性。 这篇论文提供了一种创新的方法，将决策者参与和偏好导向引入区间多目标优化问题的求解过程中，极大地提高了优化结果的可解释性和适应性。这对于复杂决策环境中寻找最佳解决方案具有重要的理论和实践意义。未来的研究可以进一步探索如何扩展这种交互策略以处理更多目标和更复杂的决策场景。