.png){kind=icon}
返回
A Decision Variables Classification-Based Evolutionary Algorithm for Constrained Multi-Objective Optimization Problems
.png){kind=icon}
PRE
AI
DOI：10.1109/JAS.2025.125276.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
求解约束多目标优化问题（CMOPs）是一项具有挑战性的任务，原因在于存在多个冲突目标以及复杂的约束条件。为了更好地解决CMOPs并实现目标与约束之间的平衡，现有的约束多目标进化算法（CMOEAs）主要致力于通过利用目标与约束之间的关系来设计各种策略，而设计的策略通常对具有简单约束的问题有效。然而，这些方法大多忽略了决策变量与约束之间的关系。实际上，优化的本质在于寻找适当的决策变量以满足各种复杂的约束条件。因此，希望从决策变量的角度分析问题，以获得更优异的结果。基于上述动机，本文提出了一种决策变量分类方法，根据决策变量与约束之间的关系，将变量分为约束相关（CR）变量和约束无关（CI）变量。因此，通过独立优化这两种类型的变量，种群可以在可行性与多样性之间保持良好的平衡。此外，针对这两类决策变量提出了特定的子代生成策略，以实现快速收敛的同时维持种群多样性。在31个测试问题和20个实际问题的实验结果表明，所提出的算法与其他一些当前最先进的约束多目标优化算法相比具有竞争力。
Keyword:
Constraint-independent (CI)
constrained multi-objective optimization
constraint-related (CR)
decision variables
期刊
I
IF:
0
论文数:
116
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息