.png){kind=icon}
返回
A sparse large-scale multi-objective evolutionary optimization based on bi-level interactive grouping
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.102209.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
稀疏大规模多目标优化问题提出了双重挑战：决策变量数量庞大且帕累托最优集高度稀疏，传统进化算法往往难以应对。为解决这些问题，我们提出了一种双层交互式分组进化算法（BLIGEA）。该算法的创新性主要体现在两个方面。首先，它引入了一种双层交互式分组策略，对解的二进制向量和实数向量应用不同的优化机制，促进它们的协同共进化。此外，设计了一种知识引导策略，能够在搜索过程中有效学习和利用种群中的稀疏信息。在基准测试和实际应用中的广泛实验结果表明，BLIGEA显著超越了当前最先进的方法。
