.png){kind=icon}
返回
A multi-distance co-selection evolutionary algorithm for many-objective optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.129534.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 基于多距离共选择（MDCS）提出一种新的双存档进化算法（TAEA），用于求解MaOPs问题。
• 设计一种双距离指标，以增强收敛存档（CA）的收敛压力。
• 采用基于参考向量的方法，保持多样性存档（DA）的全局种群多样性。
• 引入一种基于信息熵的局部邻域密度估计方法，结合并行距离，以提升DA的局部种群多样性。
• 将MDCS与六种当前最优的MaOEAs在19个测试问题和5个真实世界问题上进行比较，以验证MDCS的有效性。
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
ACDB-EA: Adaptive convergence-diversity balanced evolutionary algorithm for many-objective optimizationAcdb-ea: 多目标优化的自适应收敛多样性平衡进化算法
.png){kind=icon}
PREAI
分享收藏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
分享收藏分享收藏
查看更多内容