.png){kind=icon}
返回
Constrained multimodal multi-objective optimization based on cooperative evolution and neural network
.png){kind=icon}
PRE
AI
DOI：10.1007/s13042-025-02768-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
约束多模态多目标优化问题（CMMOPs）不仅需要在目标空间中满足收敛性、多样性和可行性，还要求在决策空间中保持多样性。然而，在处理CMMOPs时，传统的多模态多目标优化进化算法（MMOEAs）未考虑约束条件，同时典型的约束多目标优化进化算法（CMOEAs）在解决多模态问题上表现不佳。针对这些情况，本文提出了一种名为CMMOCENN的约束多模态多目标优化进化算法（CMMOEA），专门用于解决CMMOPs。CMMOCENN利用生长神经网络气体（GNG）网络分别增强目标空间和决策空间中的收敛性与多样性。此外，采用一种基于目标函数的自适应参数调整方法来处理不同阶段的约束，以满足解的可行性，同时针对两个不同进化种群设计了两种考虑决策空间多样性的环境选择策略。最后，将所提出的CMMOCENN与几种最新算法在两个测试问题上进行了验证。实验结果表明，CMMOCENN在解决CMMOPs方面具有竞争力。
Keyword:
Constrained multimodal multi-objective optimization
Evolutionary algorithm
Neural network
Self-adaptive parameter adjustment
期刊
IF:
2.7
论文数:
3.2K
被引数:
5.6K
机构
引用论文
Evolutionary Multitasking with Global and Local Auxiliary Tasks for Constrained Multi-Objective Optimization具有全局和局部辅助任务的进化多任务处理，用于约束多目标优化
PREAI
分享收藏PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏
分享收藏Multimodal multi-objective hierarchical distributed consensus method for multimodal multi-objective economic dispatch of hierarchical distributed power systems.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏
查看更多内容