.png){kind=icon}
返回
A subspace strategy based coevolutionary framework for constrained multimodal multiobjective optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.101941.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
约束多模态多目标优化问题（CMMOPs）由多个具有相同约束帕累托前沿（CPF）的等价约束帕累托集（CPSs）组成。解决CMMOPs的关键在于如何在搜索空间中定位和保留CPSs和CPF。因此，本文提出了一种基于子空间策略的协同进化框架（SCCMMO）用于CMMOPs。首先，提出子空间生成与维护策略，以高效地在决策空间中定位多个CPSs。其次，采用子空间类型感知策略来利用子空间中的可行与不可行信息。最后，引入协同进化框架以提高搜索效率。为验证算法的有效性，将所提出的方法与十种当前先进算法在十七个基准问题上进行比较。结果表明，SCCMMO在解决CMMOPs方面具有优越性。此外，SCCMMO在真实世界问题上也取得了更好的性能。
Keyword:
Constrained multimodal multiobjective
optimization
Subspace strategy
Coevolution
Evolution algorithms
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
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Constrained multimodal multi-objective optimization: Test problem construction and algorithm design
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
查看更多内容