본 논문은 기존 다중작업 진화 알고리즘의 한계점인 저차원 변수 조합에 초점을 맞춘 교차 연산자와 고정적인 기술 요소 할당 전략을 개선하기 위해, 잔차 학습 기반의 다중요소 진화 알고리즘(MFEA-RL)을 제안합니다. MFEA-RL은 VDSR 모델을 이용하여 고차원 잔차 표현을 생성하여 복잡한 차원 간 상호 작용을 모델링하고, ResNet 기반 메커니즘으로 기술 요소를 동적으로 할당하여 작업 적응성을 향상시키며, 랜덤 매핑 메커니즘으로 교차 연산을 효율적으로 수행하고 부정적 전이 위험을 완화합니다. CEC2017-MTSO 및 WCCI2020-MTSO와 같은 표준 벤치마크와 실제 응용 사례를 통해 기존 최고 성능 알고리즘보다 수렴성과 적응성이 뛰어남을 실험적으로 입증합니다.
