A Reference Vector-Guided and Generative Adversarial Network-Driven Competitive Swarm Optimizer for Large-Scale Multi-Objective Optimization

Chunlei Li

doi:10.1109/jas.2026.125849

A Reference Vector-Guided and Generative Adversarial Network-Driven Competitive Swarm Optimizer for Large-Scale Multi-Objective Optimization

2026-08-28

0

PRE

AI

DOI：10.1109/jas.2026.125849

原文链接

原文求助

摘要

En 中文

竞争群优化器（CSO）在解决大规模优化挑战方面已展现出良好的性能。然而，由于它们的竞争和学习机制最初是为单目标场景设计的，因此在求解大规模多目标优化问题（LSMOP）时常常因收敛效率低下而受到批评。为克服这一局限性，本文提出了一种基于参考向量引导和生成对抗网络（GAN）驱动的CSO变体用于LSMOP。该算法引入了一种双标准竞争机制以取代传统的随机配对竞争，从而能够更有效地将群划分为优胜和失败组，同时保留多样化的搜索方向。此外，它通过两种全面的学习策略增强粒子更新：一种参考向量引导的更新策略以自监督方式引导失败粒子向有前景的搜索方向，结合一种GAN驱动的繁殖策略，其中训练GAN模型以捕捉表现优异的优胜粒子的分布模式，进而生成具有更优质量和多样性的候选解。通过协同CSO的强探索能力与GAN-based繁殖的高效开发能力，所提出的算法实现了良好的优化性能。实验结果证明，在LSMOP基准问题和实际应用中，该算法优于七种当前最先进的大规模多目标优化算法。

Keyword:

Competitive swarm optimizer (CSO)

generative adversarial network (GAN)

large-scale optimization

multi-objective optimization

A Reference Vector-Guided and Generative Adversarial Network-Driven Competitive Swarm Optimizer for Large-Scale Multi-Objective Optimization

摘要

期刊

机构

引用论文