.png){kind=icon}
返回
An improved discrete multi-objective artificial protozoa optimizer for solving multi-objective knapsack problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.102070.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标背包问题（MOKP）是一个具有挑战性的组合优化问题，传统方法通常难以有效解决。因此，研究人员越来越多地采用元启发式算法在合理时间内解决此类问题。本文引入了一种改进的离散多目标原生动物优化器（IDMOAPO）来处理MOKP。对于引导正弦余弦多目标原生动物优化器的连续解空间，采用两种方法进行离散化，其中模运算被确认为最有效的方法，并被采用以开发离散多目标原生动物优化器（DMOAPO）。进一步将一种增强策略整合到DMOAPO中以提高解的质量，从而开发出所提出的IDMOAPO。所提出的IDMOAPO在四种类型的16个MOKP上进行评估，并与七种算法进行比较。用于评估的性能指标包括帕累托解的数量、世代距离、分布和反向世代距离。仿真结果表明，IDMOAPO在大多数情况下显著优于其他比较算法。这些结果突显了IDMOAPO在获得更优帕累托前沿方面的有效性，证实了其解决MOKP的适用性。
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
暂无机构信息
引用论文
分享收藏Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏
Multi-objective self-adaptive differential evolution with elitist archive and crowding entropy-based diversity measure.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏
查看更多内容