.png){kind=icon}
返回
Constrained Multiobjective Optimization Based on Dynamic Priority and Cooperative Offspring Generation
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2025.3558362.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着约束多目标优化问题（CMOPs）中约束的数量和复杂度增加，现有约束多目标进化算法（CMOEAs）的性能显著下降。一种新颖的想法是根据优先级顺序处理每个约束，有效降低CMOPs的复杂度。然而，在这些算法中，约束处理优先级是在初始阶段静态确定的。这可能导致约束处理优先级的不当确定，因为在初始阶段准确估计约束景观相当具有挑战性。此外，这些算法分别处理约束，忽略了约束间的潜在协同作用，从而降低了其约束处理的效率。因此，我们提出了一种基于动态优先级和协同子代生成的CMOEA，称为DPCMOEA。首先，约束处理优先级通过候选约束与当前种群之间帕累托前沿的估计不一致度（EID）动态确定。其次，根据基于EID的约束关系分析，自动为每个约束分配计算资源。最后，设计了一种基于约束协同作用的新的子代生成策略，以提升新解的质量。在六个CMOP测试套件上的实验结果表明，DPCMOEA优于六种当前最先进的算法。
Keyword:
Constrained multiobjective optimization (CCMO)
constraint relationships analysis
cooperative offspring generation (COG)
dynamic constraint priority
evolutionary algorithms
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
.png){kind=icon}
Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏分享收藏分享收藏
Dynamic Auxiliary Task-Based Evolutionary Multitasking for Constrained Multiobjective Optimization
PREAI
分享收藏
查看更多内容