.png){kind=icon}
返回
Constraint-Pareto Dominance and Diversity Enhancement Strategy-Based Evolutionary Algorithm for Solving Constrained Multiobjective Optimization Problems
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2024.3525153.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对约束和非约束优化方法在解决约束多目标优化问题（CMOPs）中的应用，已成为近期提出的约束多目标进化算法（CMOEAs）中的普遍做法。然而，许多CMOEAs采用的基于约束的优化通常优先考虑可行解而非不可行解，无论其目标值如何，这可能导致因淘汰具有强收敛性和多样性的有前景不可行解而性能下降。此外，许多现有CMOEAs在关注可行性的同时难以维持多样性，从而阻碍其有效处理具有复杂可行域特征的CMOPs的能力。为应对这些挑战，本文提出了一种约束-帕累托支配关系，以基于目标值和可行性评估解，通过降低有前景不可行解的淘汰概率来提升优化潜力。同时设计了一种多样性增强策略，以实现同时关注多样性与可行性，从而有效确保所获可行解的多样性。来自基准测试套件和实际问题的实证结果表明，本文提出的算法优于当前最先进的CMOEAs。
Keyword:
Constrained multiobjective optimization
constraint-Pareto dominance
diversity enhancement
evolutionary algorithm
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
.png){kind=icon}
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Efficient Constrained Optimization by the ε Constrained Rank-Based Differential Evolution
PREAI
分享收藏分享收藏分享收藏
查看更多内容