.png){kind=icon}
返回
A neural network guided dual-space search evolutionary algorithm for large scale multi-objective optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110089.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由决策变量增加引起的大规模多目标问题（LSMOPs）中的维度灾难仍然是当前挑战。尽管现有算法能够简化大规模多目标优化问题，但单一搜索策略可能影响大规模多目标优化问题的解。为解决此问题，提出了一种双空间搜索进化算法用于大规模多目标优化。首先，在决策空间中，引入了一种带有自适应策略的神经网络辅助算子。具体而言，当非支配解的数量减少时，采用神经网络来优化适应度较差的解，以摆脱局部最优。随后，通过k-means聚类策略将种群的目标空间划分为若干子区域。这些子区域中的解通过逆模型映射到决策空间，从而使种群尽可能多地获得非支配解。最后，将所提算法应用于时间变化比率误差估计（TREE）真实问题以及大规模多目标优化问题（LSMOP）和无约束前沿（UF）两个基准测试套件进行测试。结果表明，与 inverted generational distance（IGD）指标和 hyper-volume（HV）指标相比，所提算法展现出与其他当前最优算法相当的性能。
Keyword:
Neural network
Adaptive strategy
Inverse model
Large-scale multi-objective optimization
期刊
IF:
8
论文数:
5.4K
被引数:
3.5W
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
Many-Objective Distribution Network Reconfiguration Via Deep Reinforcement Learning Assisted Optimization Algorithm基于深度强化学习辅助优化算法的多目标配电网重构
PREAI
分享收藏A random dynamic grouping based weight optimization framework for large-scale multi-objective optimization problems基于随机动态分组的大规模多目标优化问题权重优化框架
PREAI
分享收藏分享收藏
查看更多内容