.png){kind=icon}
返回
Dynamic Grouping With a Self-Aware Computational Resource Allocation for Large-Scale Multi-Objective Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2025.3564335.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在实际应用中，许多问题具有大量变量和冲突目标的特点，被称为大规模多目标优化问题（LSMOPs）。协同进化（CC）算法常用于求解LSMOPs。目标问题的决策变量被分组，且每组独立求解。然而，现有的多目标CC算法在根据变量重要性准确分组时存在困难，并且缺乏有效的方法来分配计算资源以提升求解效率。为解决这些挑战，引入了一种基于变量重要性的动态分组方法，并配套一种自感知计算资源分配机制。所提出的算法通过考虑变量值波动对每个目标的影响来计算各变量的重要性，随后将重要性相近的变量分组。在此基础上，提出的资源分配机制用于监测优化过程中不同变量组种群质量的改进率变化，动态地将资源导向更重要的组。该算法在与五种先进的大规模多目标算法（RG-DRA、LERD、LMOCSO、LMEA和FDV）在LSMOP和WFG基准测试套件上的测试中进行了验证。它至少在75%的LSMOP实例中表现更优，并在超过50%的WFG实例中超越了RG-DRA、LERD和LMOCSO，其性能与LMEA和FDV相当。
Keyword:
Cooperative coevolution (CC)
dynamic grouping
large-scale multiobjective optimization
resource allocation
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
.png){kind=icon}
OAAI分享收藏分享收藏A random dynamic grouping based weight optimization framework for large-scale multi-objective optimization problems基于随机动态分组的大规模多目标优化问题权重优化框架
PREAI
分享收藏
查看更多内容