EMOCSO: an efficient multi-objective competitive swarm optimizer for large-scale optimization

doi:10.1016/j.eswa.2025.130060

EMOCSO: an efficient multi-objective competitive swarm optimizer for large-scale optimization

2025-10-24

0

PRE

AI

DOI：10.1016/j.eswa.2025.130060

原文链接

原文求助

摘要

En 中文

大规模多目标优化问题（LSMOPs）在现实应用中至关重要，因为在这些场景中平衡冲突目标对决策制定至关重要。为克服这一局限，我们提出了一种高效的Multi-objective Competitive Swarm Optimizer（EMOCSO）。该算法引入了三项关键创新：（1）一种Archive-driven Winner Learning Strategy，利用精英解引导搜索；（2）一种Dual-layer Differential Neutral Update Mechanism，通过自适应更新“neutral”个体（具有相似适应度的解）来增强多样性；（3）一种Selective Spiral Archive Update Strategy，通过螺旋式局部搜索细化解。在LSMOP基准测试中的全面实验表明，EMOCSO优于五种state-of-the-art算法，在高维优化场景中表现出卓越的收敛性和多样性。此外，在基于气象数据驱动的区域光伏集群有功功率分配应用中，EMOCSO有效平衡了跟踪调度指令、稳定功率输出和控制不确定性等多个目标，为实际电网调度提供了可操作方案，并验证了其工程实用价值。

EMOCSO: an efficient multi-objective competitive swarm optimizer for large-scale optimization

摘要

期刊

机构

引用论文