.png){kind=icon}
返回
Micro multi-objective genetic algorithm with information fitting strategy for low-power microprocessor
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.127644.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
微多目标进化算法（mu MOEAs）旨在解决多目标优化问题（MOPs），特别是在低功耗微处理器中，计算资源受限。然而，由于使用微种群导致多样性损失，现有mu MOEAs中的多种优化方法因缺乏针对种群状态的反馈而逐渐丧失竞争力，阻碍了性能的进一步提升。为应对这一挑战，提出了一种适用于低功耗微处理器、结合信息拟合策略的微多目标遗传算法（mu MOGAIF），该算法利用信息拟合策略监测种群进化状态并促进方法选择。状态信息在每次迭代中收集并定期拟合，同时根据拟合的评估结果调整评估指标。此外，在交配池构建中采用自适应交配选择，以增强对可能区域解的利用。为提升mu MOGAIF的适应性，建立了双档案机制：一个档案通过多种策略补偿输出以追求收敛性或多样性，另一个提供最终输出集。将mu MOGAIF与五种当前最先进的MOEAs和五种mu MOEAs在DTLZ、WFG、MaF和ZDT基准测试套件上进行比较，实验结果表明mu MOGAIF具有卓越的性能。此外，基于低功耗微处理器的仿真实验验证了mu MOGAIF的可行性。
Keyword:
Micro multi-objective genetic algorithm
Information fitting strategy
Dual archives strategy
Adaptive mating selection
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
A multi-objective approach for the integrated planning of drone and robot assisted truck operations in last-mile delivery一种多目标方法，用于无人机和机器人辅助卡车作业在最后一公里配送中的综合规划
OAAI
OAAI分享收藏MOCPSO: A multi-objective cooperative particle swarm optimization algorithm with dual search strategies☆MOCPSO: 一种具有双重搜索策略的多目标协同粒子群优化算法 ☆.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台OAAI
OAAI分享收藏
分享收藏
查看更多内容