返回
Improved whale optimization algorithm with a stable solution preservation mechanism for multimodal multi-objective optimization
DOI:10.1007/s10586-025-05845-5.png)
摘要
En 中文
多模态多目标优化问题(MMOPs)的挑战在于需要识别分布在全局和局部区域内的多个帕累托最优解集(PSs)。尽管鲸鱼优化算法(WOA)已在各种优化任务中显示出有效性,但近期多目标WOA变体仍存在早熟收敛和解多样性保持不足的问题,限制了其处理MMOPs的能力。为解决这些问题,本文提出了一种具有稳定解保存机制(SSPM)的改进鲸鱼优化算法(IWOA-SSPM)。所提算法整合了基于自组织映射的双向引导机制以平衡探索与开发,并引入稳定解保存机制(SSPM),该机制结合基于半径的局部清除方法以识别并保存多个PSs,同时采用基于交集的策略以跨代保留高质量解。在基准MMOPs上的大量实验表明,IWOA-SSPM相较于几种竞争算法在收敛性和多样性方面表现更优。此外,一个基于地图的优化案例研究验证了其在解决复杂现实问题中的实际有效性。
Keyword:
Cluster
Self-organizing Map
Multimodal multi-objective optimization
Whale optimization algorithm
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
Makhadmeh, S.N.; Kassaymeh, S.; Rjoub, G.; Bataineh, B.; Sanjalawe, Y.; Al-Betar, M.A. Recent Advances in Multi-Objective Whale Optimization Algorithm, Its Versions and Applications. J. King Saud Univ. Comput. Inf. Sci. 2025, 37, 200. [Google Scholar] [CrossRef]Makhadmeh, S.N.; Kassaymeh, S.; Rjoub, G.; Bataineh, B.; Sanjalawe, Y.; Al-Betar, M.A. 多目标鲸鱼优化算法及其变体与应用的最新进展. J. King Saud Univ. Comput. Inf. Sci. 2025, 37, 200. [Google Scholar] [CrossRef]
Multimodal Multiobjective Evolutionary Optimization With Dual Clustering in Decision and Objective Spaces决策和目标空间中具有双重聚类的多模态多目标进化优化
Enhancing the Whale Optimisation Algorithm with sub-population and hybrid techniques for single- and multi-objective optimisation
SOFT COMPUTING
IF2.5
An Enhanced Beluga Whale Optimization Algorithm for Engineering Optimization Problems一种用于工程优化问题的改进白鲸优化算法

