.png){kind=icon}
返回
Constraint-Feature-Guided Evolutionary Algorithms for Multi-Objective Multi-Stage Weapon-Target Assignment Problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11424-025-4232-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
战场异质资源的分配在指挥与控制（C2）中至关重要。在复杂约束下平衡多个竞争目标，以向决策者提供多样化的可行候选决策方案，仍然是一个紧迫的挑战。基于这些要求，本文建立了一个受约束的多目标多阶段武器目标分配（CMOMWTA）模型。为解决此问题，在三种典型的多目标进化框架（即NSGA-II、NSGA-III和MOEA/D）下提出了三种约束特征引导的多目标进化算法（CFG-MOEAs），以获得各种高质量的候选决策方案。首先，开发了一种结合交叉、变异和修复的约束特征引导繁殖策略，用于处理复杂约束。它从不同线性约束中提取共同的行和列特征，以生成可行的子代种群。然后，采用可变长度整数编码方法简洁地表示决策方案。此外，设计了一种结合启发式方法和随机采样的混合初始化方法，以更好地引导种群。对三种CFG-MOEAs进行了系统性实验以验证其有效性。三种CFG-MOEAs中表现更优的CFG-NSGA-II算法与两种最先进的CMOMWTA算法进行了比较，广泛的实验结果证明了CFG-NSGA-II的有效性和优越性。
Keyword:
Evolutionary algorithms
constrained multi-objective optimization problem
constraint handling
weapon-target assignment
期刊
IF:
2.8
论文数:
212
被引数:
2.1K
机构
引用论文
分享收藏A Modified MOEA/D Algorithm for Solving Bi-Objective Multi-Stage Weapon-Target Assignment Problem.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A New Hybrid Evolutionary Algorithm for the Treatment of Equality Constrained MOPsMathematicsOAAI
MathematicsIF0
OAAI分享收藏
查看更多内容