.png){kind=icon}
返回
An evolutionary multitasking algorithm based on k-nearest neighbors-selection for constrained multi
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.127768.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，求解约束多目标优化问题的进化算法已引起广泛关注。这些算法通常涉及种群初始化与评估、子代生成和环境选择。然而，许多现有算法由于忽视了有前景的非可行解，未能提高求解效率。为解决此问题，我们提出了一种将基于k近邻（KNN）的预选择策略整合到进化多任务框架中的约束多目标进化算法（CMOEAKNN）。具体而言，设计并训练了一个KNN分类器，在执行环境选择前预选性能优异的子代，从而减少不必要的评估工作量并保留有前景的非可行解，进而提升算法的求解效率。该算法引入反向学习变异策略以增强种群多样性和全局探索能力。在三个测试套件和七个工程应用问题上的实验结果表明，所提出的CMOEAKNN相较于其他九种对比算法具有显著竞争力和更优性能。
Keyword:
Constrained multi-objective optimization
Evolutionary multitasking
K-nearest neighbors
Pre-selection strategy
Reverse learning mutation strategy
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
Evolutionary Multitasking with Global and Local Auxiliary Tasks for Constrained Multi-Objective Optimization具有全局和局部辅助任务的进化多任务处理，用于约束多目标优化
PREAI
分享收藏Adaptive multiobjective evolutionary algorithm for large-scale transformer ratio error estimation自适应多目标进化算法在大规模变压器变比误差估计中的应用.png)
MEMETIC COMPUTING
MEMETIC COMPUTINGIF2.3
PREAI
分享收藏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Multi-objective optimization of a hybrid renewable energy system supplying a residential building using NSGA-II and MOPSO algorithms使用nsga-ii和MOPSO算法为住宅建筑供电的混合可再生能源系统的多目标优化
PREAI
分享收藏分享收藏
查看更多内容