arrow
返回

Multi-objective narwhal optimizer: a novel algorithm for multi-criterion optimization

delete2026-09-01
delete0
PRE
AI
S
Seyyid Ahmed Medjahed *
M
Mourad Bouatouche
F
Fatima Boukhatem
DOI:10.1007/s11227-026-08836-4delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
受自然和生物行为启发的元启发式算法在解决复杂优化问题中已展现出优异性能。然而,许多现有算法主要针对单目标优化设计,因此无法直接处理涉及多个冲突目标的问题。本文提出了一种基于帕累托的多目标独角鲸优化器(MONO),作为近期开发的独角鲸优化器在多目标优化问题上的帕累托扩展。所提出的MONO整合了帕累托占优、外部存档管理、自适应多领导者引导以及基于拥挤距离的多样性保持,以在整个搜索过程中有效平衡收敛与探索。MONO的性能在CEC基准测试套件上进行了评估,并与八种代表性多目标优化算法进行了比较:NSGA-II、NSGA-III、RVEA、IBEA、SPEA2、MOGWO、MOPSO和MOEA/D。实验评估采用了三种广泛采用的性能指标:倒世代距离(IGD)、间距(SP)和最大扩展(MS)。结果表明,MONO在IGD和SP上分别实现了最高5.8%和5.1%的改进。为进一步验证其实际应用性,MONO在五个高维DNA微阵列数据集(结肠、DLBCL、白血病、肺癌和卵巢)的基因选择任务上进行了验证,成功识别出用于癌症分类的紧凑且具有区分性的基因子集。
Keyword:
Multi-objective optimization
Evolutionary algorithm
Multi-criterion optimization
Heuristic algorithm
Metaheuristic
Narwhal optimizer

期刊

Journal of Supercomputing 封面图
Journal of Supercomputing
IF:
2.7
论文数:
1.1K
被引数:
1.0W

机构

D
department of computer science
学者数:
796
论文数: 416
被引数: 0
F
faculty of sciences and technology
学者数:
222
论文数: 100
被引数: 0
引用论文

引用论文

学者 查看更多内容