.png){kind=icon}
返回
A dynamic dual-population co-evolutionary algorithm for constrained multi-objective optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06467-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标进化算法已被广泛应用于求解约束多目标优化问题，但在同时平衡种群的可行性、收敛性和多样性方面仍面临诸多挑战。为解决上述问题，本文提出了一种动态双种群协同进化算法（CHEA），通过动态调整双种群的后代数量，在不同阶段平衡可行性、收敛性和多样性。该算法在早期阶段注重多样性，在后期阶段注重收敛性和可行性，并引入分层引导变异策略（HGMS）以在约束条件下提高收敛性，采用邻域分布距离（NDD）更有效地维持多样性。通过在37个基准测试问题和3个实际问题上进行的比较实验，验证了CHEA在求解约束多目标优化问题中的优越性能。
Keyword:
Dynamic dual-population
Constrained multi-objective optimization
Hierarchical guided mutation strategy
Coevolutionary algorithm
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
引用论文
PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏A constrained multi-objective evolutionary algorithm with two-stage resources allocation具有两阶段资源分配的约束多目标进化算法
PREAI
分享收藏Constrained Multiobjective Optimization via Multitasking and Knowledge Transfer基于多任务和知识转移的约束多目标优化
PREAI
分享收藏Dynamic Auxiliary Task-Based Evolutionary Multitasking for Constrained Multiobjective Optimization
PREAI
分享收藏An improved epsilon constraint-handling method in MOEA/D for CMOPs with large infeasible regions.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏
查看更多内容