.png){kind=icon}
返回
Constrained Multi-Objective Optimization With Constraint Priority
.png){kind=icon}
PRE
AI
DOI：10.1109/TETCI.2025.3554778.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
约束多目标问题（CMOPs）具有挑战性，因为同时处理多个目标与约束较为困难。现有算法在具有单个约束或多个简单约束的CMOPs上表现良好，但在具有多个复杂约束的CMOPs上性能往往下降。通常，对于CMOPs，处理单个约束比处理多个约束更为容易。因此，本文提出了一种识别约束优先级的策略，然后根据优先级逐一处理约束。具体而言，针对每个约束，首先建立相应的种群以专门考虑该约束，然后计算所有约束的对应不可行率以确定约束优先级。随后，基于约束优先级，采用轮盘赌选择方法确定应优先处理的约束，这确保高优先级约束有更多被处理的机会。在五个基准测试套件和三个实际问题的实验结果表明，本方法相较于五种当前先进算法具有显著优势。
Keyword:
Evolutionary algorithm
constraint priority
constrained multi-objective optimization
期刊
I
IF:
6.5
论文数:
1.4K
被引数:
4.5K
机构
查看更多机构
引用论文
暂无论文信息