.png){kind=icon}
返回
Advanced Decomposition-Based Bioinspired Algorithms for Multiobjective Phylogenetics
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08462-0_14.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生物信息学领域中的不同问题涉及多个冲突标准的优化。一个因多目标策略定义而受益的生物相关问题的例子是系统发育推断。然而，该问题具有复杂的搜索空间和不同形状的帕累托前沿，需要复杂的优化策略才能获得高质量的输出。在本工作中，我们探讨了基于分解的算法，这些算法结合了基于分解的多目标进化算法（MOEA/D）和先进的优化技术，以提升多目标系统发育树的推断。具体而言，我们研究了MOEA/D与粒子群优化（MOPSO/D）的混合以及动态资源分配策略（MOEA/D-DRA）的集成。在四个真实数据集上获得的结果突出了MOEA/D-DRA作为解决该问题的极具前景的方法，实现了高达81%的超体积分数，同时也在基准MOEA/D设计和其他多目标算法方面主导了显著比例的解（高达90%）。
Keyword:
Multiobjective optimization
Bioinspired algorithms
Decomposition
Bioinformatics
期刊
H
IF:
0
论文数:
28
被引数:
0
机构
引用论文
分享收藏分享收藏A Survey of Multiobjective Evolutionary Algorithms Based on Decomposition: Variants, Challenges and Future Directions.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容