In this paper, we develop a novel evolutionary interactive method called interactive K-RVEA, which is suitable for computationally expensive problems. We use surrogate models to replace the original expensive objective functions to reduce the computation time. Typically, in interactive methods, a decision maker provides some preferences iteratively and the optimization algorithm narrows the search according to those preferences. However, working with surrogate models will introduce some inaccuracy to the preferences, and therefore, it would be desirable that the decision maker can work with the solutions that are evaluated with the original objective functions. Therefore, we propose a novel model management strategy to incorporate the decision maker’s preferences to select some of the solutions for both updating the surrogate models (to improve their accuracy) and to show them to the decision maker. Moreover, we solve a simulation-based computationally expensive optimization problem by finding an optimal configuration for an energy system of a heterogeneous business building complex. We demonstrate how a decision maker can interact with the method and how the most preferred solution is chosen. Finally, we compare our method with another interactive method, which does not have any model management strategy, and shows how our model management strategy can help the algorithm to follow the decision maker’s preferences.

在本文中，我们开发了一种称为交互式K-RVEA的新型进化交互式方法，该方法适用于计算昂贵的问题。我们使用代理模型来代替原始的昂贵目标函数，以减少计算时间。通常，在交互式方法中，决策者会反复提供一些首选项，并且优化算法会根据这些首选项来缩小搜索范围。但是，使用代理模型会给首选项带来一些不准确性，因此，希望决策者可以使用以原始目标函数评估的解决方案。因此，我们提出了一种新颖的模型管理策略，以结合决策者的偏好来选择一些解决方案，以更新代理模型（以提高其准确性）并将其展示给决策者。此外，我们通过找到异构业务建筑群的能源系统的最佳配置，解决了基于仿真的计算昂贵的优化问题。我们演示了决策者如何与该方法交互以及如何选择最优选的解决方案。最后，我们将我们的方法与没有任何模型管理策略的另一种交互式方法进行了比较，并展示了我们的模型管理策略如何帮助算法遵循决策者的偏好。我们通过为异构业务建筑群的能源系统找到最佳配置来解决基于仿真的计算量大的优化问题。我们演示了决策者如何与该方法交互以及如何选择最优选的解决方案。最后，我们将我们的方法与没有任何模型管理策略的另一种交互式方法进行了比较，并展示了我们的模型管理策略如何帮助算法遵循决策者的偏好。我们通过为异构业务建筑群的能源系统找到最佳配置来解决基于仿真的计算量大的优化问题。我们演示了决策者如何与该方法交互以及如何选择最优选的解决方案。最后，我们将我们的方法与没有任何模型管理策略的另一种交互式方法进行了比较，并展示了我们的模型管理策略如何帮助算法遵循决策者的偏好。