.png){kind=icon}
返回
Convergence and diversity cooperative-based coevolutionary algorithm for many-objective optimization
.png){kind=icon}
OA
AI
DOI：10.1007/s40747-026-02466-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着优化问题的目标数量增加，传统多目标进化优化算法在平衡收敛性和多样性方面面临巨大挑战。这是由于向帕累托前沿的选择压力较低以及种群中非支配和抗支配解的高比例。此外，现有的基于指标的多目标算法通常采用单一指标来评估解，这使得解的质量很大程度上取决于指标的设计。为解决上述问题，本文采用协同共进化方法，将决策变量分为与收敛性相关的和与多样性相关的决策变量，分别在具有不同评估指标的子种群中优化。两个子种群协同共进化以更好地平衡收敛性和多样性。所提出的算法与八种MaOEAs在DTLZ、WFG和MaF三个基准问题上进行比较。实验结果表明，所提出的算法在解决多目标优化问题方面表现出竞争性能。
Keyword:
Many-objective optimization
Coevolution
Indicator
Decision variable analyses
Multi-population
查看更多机构