.png){kind=icon}
.png){kind=icon}
返回
An improved generalized evolutionary algorithm for constrained multimodal multiobjective optimization
.png){kind=icon}
OA
AI
DOI：10.1007/s40747-025-02164-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在约束多模态多目标优化问题（CMMOPs）中搜索约束帕累托解时，不可行解和局部最优解发挥着重要作用。具体而言，不可行解可以引导算法向可能最终导向可行解的区域或提供关于问题约束边界的见解。此外，局部最优解能够增强种群多样性。针对这种情况，本文提出了一种新颖的约束多模态多目标算法，引入了动态局部适应度评估和自清洁机制（CMMOGA_DLF）。动态局部适应度评估通过利用局部最优解有效增强了种群多样性，同时保持了收敛性。此外，通过引入局部支配准则（LDC）和使用高质量不可行解，该算法在早期突破了不可行性障碍，并在后期逐渐接近可行区域。同时，自清洁机制高效地移除了相似解，进一步提高了种群多样性。最后，通过将其与五种现有算法在31个测试函数和一个局部选择问题上的比较，验证了所提出方法的有效性。
Keyword:
Constraints
Multimodal
Multiobjective
Evolutionary algorithms
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
2.1K
被引数:
6.6K