An evolutionary algorithm based on operator ensemble and parameter adaptation for large-scale multi-objective optimization

Yajie Zhang

doi:10.1016/j.asoc.2026.116632

An evolutionary algorithm based on operator ensemble and parameter adaptation for large-scale multi-objective optimization

2026-10-15

0

PRE

AI

DOI：10.1016/j.asoc.2026.116632

原文链接

摘要

En 中文

• 开发了一种算子群体策略，该策略整合了多种进化算子以在LSMOPs的高维搜索空间中进行协同探索。这些算子还竞争计算资源以实现自适应资源分配。 • 设计了一种参数自适应机制，该机制根据种群的实时进化状态动态调整与算子相关的参数，从而在全局探索和局部开发之间取得有利的平衡。 • 通过整合上述两种策略，提出了一种紧凑的多目标进化算法。在具有500、1000、2000和3000个决策变量的DTLZ和LSMOP基准问题上的广泛实验表明，所提出的算法显著优于五种当前最优基线算法，尽管此处采用的组件算子最初是在2016年和2019年提出的。

Keyword:

Large-scale multi-objective optimization

Multi-objective evolutionary algorithm

Operator ensemble

Parameter adaptation

An evolutionary algorithm based on operator ensemble and parameter adaptation for large-scale multi-objective optimization

摘要

期刊

机构

引用论文