.png){kind=icon}
返回
BTCMOEA: A bidirectional knowledge transfer driven algorithm for constrained multiobjective optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.133649.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
约束多目标优化进化算法（CMOEAs）已广泛应用于实际工程。然而，在处理复杂可行域结构时，现有方法由于过早的知识转移往往削弱了种群的自主探索能力，且算法因参数敏感性导致鲁棒性下降。因此，本文提出了一种双向转移约束多目标优化进化算法（BTCMOEA）。该算法通过分段进化策略强化主种群在早期的自主探索能力，避免无效迁移；在后期，该算法建立双向协同进化机制以增强种群间的信息交换能力，从而在复杂约束场景下确保算法的收敛性和鲁棒性的同时降低参数敏感性。实验结果表明，BTCMOEA在43个基准测试函数和9个实际机械设计优化问题上表现出更优的性能。
Keyword:
Multiobjective optimization
Evolutionary algorithm
Bidirectional transfer
Knowledge transfer
Mechanical design optimization
