.png){kind=icon}
返回
Multi-objective artificial ecosystem optimization algorithm : a novel optimization approach based on shift-based density estimation and external archive population
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06568-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于人工生态系统的优化算法（AEO）是一种受自然启发的元启发式算法，最初设计用于单目标优化。然而，其在多目标场景中的潜力在很大程度上未被探索，限制了其在复杂多目标优化问题（MOPs）中的应用。为弥合这一差距，我们提出了多目标基于人工生态系统的优化算法（MOAEO），将AEO扩展以有效解决多目标问题，包括多目标工程设计问题（MOEDPs）。所提出的MOAEO框架整合外部档案以保存帕累托最优解，应用基于移动的密度估计（SDE）以促进多样性，并利用非支配排序指导精英选择并增强收敛性。我们在多样化的基准问题上进行了广泛的实验，包括双目标约束和非约束案例、三目标和多目标测试函数以及真实世界的工程设计问题。实验结果表明，MOAEO在多个基准套件中实现了有竞争力的收敛性和多样性。在许多情况下，它相较于现有方法实现了统计显著的改进，同时在更具挑战性的场景中保持了相当的性能。这些发现突显了MOAEO作为解决复杂多目标优化问题的有效方法的潜力。
Keyword:
Artificial ecosystem-based optimization
Multi-objective optimization
Non-dominated sorting
Shift density estimation
Pareto front
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
暂无机构信息
引用论文
Multi-objective quantum hybrid evolutionary algorithms for enhancing quality-of-service in internet of things多目标量子混合进化算法在物联网中提升服务质量的应用.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏Multi-objective ant lion optimizer: a multi-objective optimization algorithm for solving engineering problems多目标蚁狮优化器: 一种求解工程问题的多目标优化算法APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏
查看更多内容