.png){kind=icon}
返回
A Dimensional Coevolution driven Reproduction Operator for Large Scale Multi-objective Optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s12293-025-00484-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模多目标优化由于决策变量过多，给传统多目标优化器带来了严峻挑战。当前的研究思路主要集中于通过各种决策变量分组和降维策略来缩减巨大的决策空间。然而，实证观察表明，增加决策变量数量并不一定会导致巨大的决策空间，因为从进化趋势来看，决策变量之间存在不同层次的相似性。因此，基于上述观察，本文提出了一种基于维度协同进化的繁殖算子。首先，数学上引入决策变量相似度矩阵，以量化决策变量之间的相似程度。其次，设计了一种新颖的归一化策略，将决策变量相似度矩阵转换为权重矩阵。最后，通过将归一化权重矩阵与解相结合，设计了基于维度协同进化的繁殖算子。此外，提出了一种基于该繁殖算子的大规模多目标进化算法。在包含多达15000个决策变量的多个测试套件和工程问题上的大量实验与分析表明，所提出的方法优于当前最优的优化器。
Keyword:
Large scale multi-objective optimization
Decision variables
Dimensional coevolution
Reproduction operator
期刊
IF:
2.3
论文数:
458
被引数:
718
机构
引用论文
Counterintuitive Experimental Results in Evolutionary Large-Scale Multiobjective Optimization进化大规模多目标优化中的反直觉实验结果
.png){kind=icon}
PREAI
分享收藏分享收藏Particle swarm optimisation with modified global search and local search exemplars for large-scale optimisation大规模优化中的粒子群优化算法：改进全局搜索和局部搜索范例
PREAI
分享收藏
Large-Scale Multiobjective Optimization via Reformulated Decision Variable Analysis基于重构决策变量分析的大规模多目标优化
PREAI
分享收藏A self -organizing weighted optimization based framework for large -scale multi-objective optimization基于自组织加权优化的大规模多目标优化框架
OAAI
OAAI分享收藏
查看更多内容