返回
A dual-stage differential evolution algorithm based on diversity quality for multimodal multiobjective optimization
DOI:10.1016/j.asoc.2026.115380.png)
摘要
En 中文
• 设计了一种双阶段差分向量生成方法,该方法在不同小生境中繁殖新解,并在后期根据整个群体的距离生成新解。此方法能有效扩大群体的搜索范围以寻找更多等效的帕累托最优解。• 对于基于支配的多目标多目标进化算法(MMOEAs),引入了一种新的选择策略,该策略根据所选解在决策空间中的分布计算每个解的多样性质量。• 采用动态偏好删除操作和多样性外部档案来帮助群体在两个空间中获得良好的分布。TNLIDE与其他竞争性MMOEAs的实验比较突出了TNLIDE在CEC2019基准测试集中的优越性能。
Keyword:
dual-stage differential evolution
multimodal multiobjective optimization
diversity quality
Pareto optimal solutions
dynamic preference deletion
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
暂无机构信息
引用论文
Multimodal Multiobjective Evolutionary Optimization With Dual Clustering in Decision and Objective Spaces决策和目标空间中具有双重聚类的多模态多目标进化优化
Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
A self-organized speciation based multi-objective particle swarm optimizer for multimodal multi-objective problems基于自组织形态的多目标粒子群算法求解多模态多目标问题

