.png){kind=icon}
返回
A multi-feature fusion-based evolutionary algorithm for large-scale sparse multi-objective optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-025-06772-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模稀疏多目标优化问题在科学研究和工程实践中普遍存在，并带来了显著挑战。这类问题的首要特征包括决策变量的高维性和解集的稀疏性，这极大地增加了问题的难度。在算法求解过程中，非关键变量的干扰降低了算法的求解效率，并对解集的质量产生负面影响。因此，本文提出了一种基于多特征融合的大规模稀疏多目标进化算法，从多个方面综合考量决策变量的重要性。首先，我们引入了一种参考点扰动聚类方法。通过在决策空间中均匀分布参考点，我们控制决策变量的扰动。扰动后的决策变量被聚类，并使用激活函数将聚类结果转化为贡献值，以评估决策变量的重要性。其次，我们提出了一种稀疏特征检测方法，从决策变量的稀疏信息中挖掘稀疏特征，评估决策变量的信息量。这些信息用于筛选决策变量以减小搜索空间。最后，利用贡献值对筛选后的决策变量进行竞争性优化。在八个基准问题和三个实际应用中的实验表明，该算法在收敛速度和解集质量方面超越了当前最先进的大规模稀疏多目标进化算法。
Keyword:
Large-scale sparse problems
Multi-objective optimization
Variable clustering
Multi-feature fusion
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
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An Enhanced Competitive Swarm Optimizer With Strongly Convex Sparse Operator for Large-Scale Multiobjective Optimization用于大规模多目标优化的具有强凸稀疏算子的增强型竞争群优化器
PREAI
分享收藏
查看更多内容