.png){kind=icon}
返回
Multi-objective particle swarm optimization algorithm for task allocation and archived guided mutation strategies
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-99730-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种具有任务分配和档案引导变异策略的全新多目标粒子群优化算法（TAMOPSO），该算法通过为不同特征的粒子分配不同的进化任务，有效解决了传统算法搜索效率低下的问题。首先，TAMOPSO根据种群每一代的粒子分布状态划分多个子种群，并设计了一种新的任务分配机制以提高进化搜索效率。其次，TAMOPSO根据种群增长率采用自适应Lévy飞行策略，当种群收敛时自动增加全局变异概率以扩大搜索范围，当种群分散时增强局部变异以进行精细搜索，从而实现全局与局部变异的动态平衡。最后，TAMOPSO通过粒子进化贡献率指标衡量粒子对种群优化的贡献，筛选出有价值的历史解供后续复用以加速收敛速度；此外，TAMOPSO改进了个体最优粒子选择机制，改变了传统算法的偏向性，确保每个粒子拥有均等机会，增强了选择过程的公平性。TAMOPSO的性能与十种现有算法在22个标准测试问题上进行了比较，实验结果表明，TAMOPSO在多个标准测试问题上优于其他算法，且在解决多目标问题上表现更优。
Keyword:
Multi-objective particle swarm optimization
Subpopulation partitioning
Task allocation
L & eacute
vy flight strategy
Individual optimal selection
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
引用论文
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Pair-based Uncertainty and Diversity Promoting Early Active Learning for Person Re-identification
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Differential evolution algorithm with fitness and diversity ranking-based mutation operator基于适应度和多样性排序的变异算子差分进化算法
PREAI
分享收藏A particle swarm algorithm based on the dual search strategy for dynamic multi-objective optimization基于双搜索策略的动态多目标优化粒子群算法
PREAI
分享收藏Adaptive multi-objective particle swarm optimization with multi-strategy based on energy conversion and explosive mutation基于能量转换和突变的多策略自适应多目标粒子群算法
PREAI
分享收藏分享收藏
查看更多内容