.png){kind=icon}
返回
Adaptive multiobjective differential evolution based on parallel cell coordinate system
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05203-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在多目标差分进化（MODE）算法中，已研究了许多用于平衡收敛-发散和探索-开发问题的技术。这些技术包括档案维护、选择机制、种群规模以及适当的参数设置。目前仅有极少数MODE算法利用从进化环境中提取的反馈信息来创建探索与开发之间的自适应平衡。因此，本研究提出了一种基于并行细胞坐标系统的自适应MODE算法。所提出的算法，称为pccs自适应跨代差分进化（pccsACGDE），利用连续两代的信息和并行细胞坐标系统来自适应调整参数。pccsACGDE算法还引入了两种新的变异算子，以更好地平衡探索与开发。为证明pccsACGDE算法相较于其他算法的能力，考虑了由约束和无约束问题组成的34个基准函数。模拟结果表明，pccsACGDE算法在生成优于现有先进方法的解方面更为成功。
Keyword:
Multiobjective evolutionary algorithms
Differential evolution
Parallel cell coordinate system
Adaptive parameter control
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
.png){kind=icon}
Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏Adaptive Tunning of All Parameters in a Multi-Swarm Particle Swarm Optimization Algorithm: An Application to the Probabilistic Traveling Salesman Problem多群粒子群优化算法中所有参数的自适应调优：在概率旅行商问题中的应用
PREAI
分享收藏
查看更多内容