.png){kind=icon}
返回
Multilayer perceptron-based offspring prediction model for constrained multi-objective optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.112428.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
约束多目标优化问题通常同时具有多种约束违反和冲突的目标函数。部分此类问题不仅可行域稀疏，而且难以收敛。对于这些问题，传统约束多目标进化算法（CMOEAs）中使用的进化算子难以生成高质量解。因此，本文提出了一种基于多层感知器的约束多目标优化子代预测模型（MOPCMO）。具体而言，设计了一种进化方向引导策略，利用历史种群作为训练数据训练多层感知器，通过预测和生成子代来引导种群进化，从而提高算法的整体进化效率。此外，随着种群迭代，进化方向引导策略自适应地转换多层感知器的训练数据。最后，多层感知器间歇性更新，并利用进化方向引导策略生成有潜力的子代，引导算法实现高效搜索。与七种最先进的CMOEAs在33个基准测试问题和8个工程应用问题上的比较表明，MOPCMO表现出优异的性能。
