.png){kind=icon}
返回
A large-scale multi-objective optimization algorithm integrating multi-directional fuzzy sampling and multi-source learning competitive swarm optimizer
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ins.2026.123194.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有的大规模多目标优化问题（LSMOPs）的方向采样方法虽有前景，但常受限于依赖单一代表性解和搜索方向多样性不足。为克服这些限制，本文提出LSMDCSO算法，该算法整合了多方向模糊采样（MDFS）和多源学习竞争群优化器（MLCSO）。首先，LSMDCSO利用角度惩罚距离选择代表性解作为引导锚点，随后通过协同近似梯度基采样（用于收敛）和正交采样（用于多样性）构建全面的搜索方向集。引入模糊变量算子以进一步提升高维空间中的解适应性。此外，设计了MLCSO以执行精细开发，补偿采样不精确性。在LSMOP、ZCAT及真实世界TREE基准上的实验评估表明，LSMDCSO优于当前最先进算法，在解决复杂LSMOPs时展现出更优的收敛与多样性平衡能力。
Keyword:
Large-scale multi-objective optimization
Competitive swarm optimizer
Sampling methods
Convergence sampling
Diversity sampling
期刊
IF:
6.8
论文数:
553
被引数:
6.2W
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分享收藏分享收藏Balancing the trade-off between cost and reliability for wireless sensor networks: a multi-objective optimized deployment method.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容