.png){kind=icon}
返回
Computationally expensive multi-objective optimization problems via optimization state-driven adaptive evolution
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ins.2025.122847.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有用于计算昂贵多目标优化问题（EMOPs）的代理辅助算法面临三大关键挑战，即种群多样性的逐渐丧失、局部搜索的过度随机性以及对复杂PF形状问题的低适应性。本文提出了一种基于优化状态驱动的自适应进化算法（OSAE）以解决EMOPs问题，其中同时采用关联状态和更新状态来自适应调整搜索方向。具体而言，基于关联状态确定两种不同类型的进化起始点。因此，通过两步子种群生成策略获得的具有高潜力的子种群被用作设计的RBF（径向基函数）基局部搜索的起始种群，以加速每个子问题的局部开发。随后，可通过双指标驱动的选择获得精确后代，并且精确和优化种群均被更新，其中由逆世代距离比较表示的更新状态被用来确定是否维持或转换参考点配置。因此，OSAE实现了参考点配置的自适应调整和每个子问题的自适应搜索，从而增强了其对复杂问题（如不规则PF形状）的适应性。在经典测试套件和实际应用中的实验研究验证了OSAE的性能。
Keyword:
Optimization state-driven adaptive evolution algorithm
Expensive multi-objective optimization
Radial basis function
Differential evolution
期刊
IF:
6.8
论文数:
553
被引数:
6.2W
机构
引用论文
A multi-scale approach for the optimum design of sandwich plates with honeycomb core. Part II: the optimisation strategy.png)
COMPOSITE STRUCTURES
OAAI
COMPOSITE STRUCTURESIF7.1
OAAI分享收藏分享收藏Design of sandwich panels with truss cores using explicit topology optimizationCOMPOSITE STRUCTURES
COMPOSITE STRUCTURESIF7.1
PREAI
分享收藏分享收藏
查看更多内容