.png){kind=icon}
返回
Multimodal multi-objective optimization via multi-operator adaptation and clustering-based environmental selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.101962.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在现实世界应用中，多模态多目标优化问题很常见，解决这些问题可以为决策者提供多种选择以适应不同场景。许多研究人员一直关注这类问题，从而推动了多种多模态多目标进化优化算法（MMOEAs）的发展。然而，大多数现有的MMOEAs采用固定算子来生成子代。对于不同类型的问题，使用混合算子可以充分利用它们在繁殖过程中的不同特点，以产生更有价值的个体。为了解决这一问题，我们提出了一种创新算法，该算法整合两种算子进行协同操作，并根据生存率在整个进化过程中评估算子性能，动态调整每种算子生成的子代比例。此外，为了更好地平衡多样性，所提出的算法设计了一种新型聚类方法，该方法在决策空间中对种群进行聚类。然后，在同一簇内，目标空间中表现更优的个体能够存活。我们将该算法与七种代表性MMOEAs在两个广泛使用的基准问题和现实问题上进行比较评估。实验结果证实，在基准问题和现实问题中，我们的方法均表现出更优的性能和鲁棒性。
Keyword:
Multimodal multi-objective optimization
Evolutionary algorithm
Multi-operator adaptation
Clustering
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
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Multimodal Multiobjective Evolutionary Optimization With Dual Clustering in Decision and Objective Spaces决策和目标空间中具有双重聚类的多模态多目标进化优化
PREAI
分享收藏Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏分享收藏A swarm exploring neural dynamics method for solving convex multi-objective optimization problem.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏An Evolutionary Algorithm with Clustering‐Based Assisted Selection Strategy for Multimodal Multiobjective OptimizationComplexity
OAAI
ComplexityIF0
OAAI分享收藏Balancing Convergence and Diversity in Objective and Decision Spaces for Multimodal Multi-Objective Optimization平衡目标和决策空间中的收敛性和多样性，以实现多模态多目标优化
PREAI
分享收藏
查看更多内容