다중 당사 다목적 최적화 문제를 위한 새로운 면역 알고리즘

A Novel Immune Algorithm for Multiparty Multiobjective Optimization

전통적인 다목적 최적화 문제는 여러 의사 결정자(DM)가 관련된 시나리오에 적합하지 않은 경우가 많으며, 이러한 시나리오는 실제로 다양한 분야에서 흔히 발생합니다. 이러한 시나리오는 다중 당사 다목적 최적화 문제(MPMOP)로 분류됩니다. MPMOP의 목표는 각 DM의 파레토 프론트에 최대한 가까운 해(solution) 집합을 찾는 것입니다. 이는 진화 알고리즘의 탐색 및 선택 과정에서 어려움을 야기합니다. 본 논문에서는 이러한 MPMOP 문제를 보다 효과적으로 해결하기 위해, 각 DM의 관점에서 개체의 비지배 순위와 제안된 다중 당사 커버 메트릭(MCM)을 기반으로 하는 적응적 활성화 전략을 통합한 새로운 접근 방식인 다중 당사 면역 알고리즘(MPIA)을 제안합니다. 이러한 전략을 통해 MPIA는 다음 단계 작업에 적합한 개체를 활성화하고, 다양한 DM 관점에서 모집단 다양성을 유지하며, 알고리즘의 탐색 능력을 향상시킵니다. MPIA의 성능을 평가하기 위해, 합성된 다중 당사 다목적 문제와 여러 DM이 관련된 실제 이원 당사 다목적 무인 항공기 경로 계획(BPUAV-PP) 문제를 사용하여 기존의 다목적 진화 알고리즘(MOEA) 및 최첨단 다중 당사 다목적 최적화 진화 알고리즘(MPMOEA)과 비교했습니다. 실험 결과는 MPIA가 다른 알고리즘보다 우수한 성능을 보임을 보여줍니다.

Traditional multiobjective optimization problems (MOPs) are insufficiently equipped for scenarios involving multiple decision makers (DMs), which are prevalent in many practical applications. These scenarios are categorized as multiparty multiobjective optimization problems (MPMOPs). For MPMOPs, the goal is to find a solution set that is as close to the Pareto front of each DM as much as possible. This poses challenges for evolutionary algorithms in terms of searching and selecting. To better solve MPMOPs, this paper proposes a novel approach called the multiparty immune algorithm (MPIA). The MPIA incorporates an inter-party guided crossover strategy based on the individual's non-dominated sorting ranks from different DM perspectives and an adaptive activation strategy based on the proposed multiparty cover metric (MCM). These strategies enable MPIA to activate suitable individuals for the next operations, maintain population diversity from different DM perspectives, and enhance the algorithm's search capability. To evaluate the performance of MPIA, we compare it with ordinary multiobjective evolutionary algorithms (MOEAs) and state-of-the-art multiparty multiobjective optimization evolutionary algorithms (MPMOEAs) by solving synthetic multiparty multiobjective problems and real-world biparty multiobjective unmanned aerial vehicle path planning (BPUAV-PP) problems involving multiple DMs. Experimental results demonstrate that MPIA outperforms other algorithms.