返回
Meta-knowledge-assisted sampling with variable sorting for large-scale multi-objective optimization
DOI:10.1016/j.asoc.2025.113386.png)
摘要
En 中文
• 自适应排序变异可以促进群体的多样性。
• 神经网络可以学习关于群体进化的潜在信息。
• 学习元知识以增强搜索效率并加速收敛。
• 开发了一个协同框架,以超越独立模块的性能。
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
暂无机构信息
引用论文
A self -organizing weighted optimization based framework for large -scale multi-objective optimization基于自组织加权优化的大规模多目标优化框架
Adaptive multiobjective evolutionary algorithm for large-scale transformer ratio error estimation自适应多目标进化算法在大规模变压器变比误差估计中的应用
MEMETIC COMPUTING
IF2.3
A Survey on Learnable Evolutionary Algorithms for Scalable Multiobjective Optimization可扩展多目标优化的可学习进化算法综述
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
An Enhanced Competitive Swarm Optimizer With Strongly Convex Sparse Operator for Large-Scale Multiobjective Optimization用于大规模多目标优化的具有强凸稀疏算子的增强型竞争群优化器

