.png){kind=icon}
返回
Expensive Multimodal Multiobjective Optimization: A Kriging-Assisted Differential Evolution Algorithm With Zoning Search
.png){kind=icon}
PRE
AI
DOI：10.1109/tsmc.2026.3720319.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在函数评估次数有限的情况下，精确求解昂贵多模态多目标优化问题（EMMOPs）中的多个帕累托解集（PSs）是一项具有挑战性的任务。为缓解此问题，本文提出了一种基于分区搜索的代理辅助多模态多目标差分进化算法（SMMODE_ZS）。在所提出的SMMODE_ZS中，同时考虑了种群多样性和代理模型的泛化能力，以尽可能多地寻找多模态解。首先，为提高种群多样性并减少多模态特性对代理模型的影响，采用分区搜索（ZS）策略将整个决策空间划分为多个子空间，并在每个子空间中构建独立的代理模型。其次，开发了一种可靠的填充准则，该准则采用非支配排序和一种特殊拥挤距离（SCD）作为收敛性和多样性的选择指标，以精确评估有前景的个体。综合实验结果表明，所提出的SMMODE_ZS在解决EMMOPs方面优于其他算法，其在常用测试集和天线稀疏阵列布局工程问题上的表现证明了这一点。
Keyword:
Differential evolution algorithm
expensive optimization
Kriging model
multimodal multiobjective optimization
zoning search (ZS)
期刊
I
IF:
8.7
论文数:
164
被引数:
0
机构
引用论文
暂无论文信息