D3QN辅助协同进化算法

调度成本排放双降

该算法通过双深度Q网络动态选择算子，自适应地协同双种群求解多目标经济排放调度问题，在处理非线性非凸约束上优于现有方法。

于小兵 · Yuan, Wang · Wen, Zhang

Swarm and Evolutionary Computation 2025

参数信息

6机组CEED改进

23.86 %

11机组CEED改进

23.12 %

14机组CEED改进

13.51 %

平均IGD+排名

1.4286

平均HV排名

1.321

技术优势

少调一次参

D3QN根据搜索阶段动态选择算子，不用人工为每个问题调参。

排名更靠前

在基准函数集上平均IGD+排名1.4286、平均HV排名1.321，优于现有算法。

高维也能解

在11机组CEED问题上平均改进23.12%，14机组上改进13.51%。

应用场景

• 电力系统调度：直接求解CEED，兼顾成本与排放。
• 多目标优化：自适应算子选择，适合复杂约束。
• 能源管理：提供高维多目标优化方案。