.png){kind=icon}
返回
A parameter-free automatic clustering based multi-objective particle swarm optimizer for multimodal multi-objective problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06607-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于小生境的优化器在应用于多模态多目标优化问题(MMOPs)时，面临着确定合适小生境参数的挑战。针对这一局限性，本文提出了一种无需参数的基于自动聚类的多目标粒子群优化器(AC-MOPSO)，消除了指定任何小生境参数的必要性。该优化器利用一种新颖的无参数自动聚类方法在决策空间中形成多个子种群，这些子种群并行搜索以识别多样化的帕累托最优解。通过将AC-MOPSO与五种先进的多目标优化器在14个基准函数上进行比较分析，评估了其有效性。实验结果表明，AC-MOPSO能够有效解决MMOPs，并在与对比优化器比较时表现更优，特别是在高复杂度基准函数上。此外，通过一个实际应用案例验证了AC-MOPSO在解决实际应用中的MMOPs的有效性。
Keyword:
Multimodal multi-objective
Particle swarm optimizer
Subpopulation division
Parameter-free automatic clustering
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
引用论文
.png){kind=icon}
A ring-hierarchy-based evolutionary algorithm for multimodal multi-objective optimization基于环层次结构的多峰多目标优化进化算法
PREAI
分享收藏
A self-organized speciation based multi-objective particle swarm optimizer for multimodal multi-objective problems基于自组织形态的多目标粒子群算法求解多模态多目标问题
PREAI
分享收藏Multimodal multiobjective optimization algorithm with fine-grained special crowding distance and dual-space selection mechanism基于细粒度特殊拥挤距离和双空间选择机制的多模态多目标优化算法
PREAI
分享收藏
查看更多内容