.png){kind=icon}
返回
Multiparty Multiobjective Optimization for Discrete Problems: A Case Study on Multistakeholder Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2025.3615199.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标多方优化旨在尽可能满足多个决策者（DMs）的解集，近年来已引起研究人员的关注。尽管多目标多方优化在实践应用中具有重要意义，但现有工作大多关注连续问题，而对离散问题的关注较少。为此，我们提出了一种针对离散问题的多目标多方进化框架MP-HCEA，其中使用多方种群优化多个DMs的所有目标，并使用多个单方种群分别优化每个DM的目标。在MP-HCEA中，首先提出了一种双阶段合作机制来引导种群交互，早期阶段进行弱合作以共享子代个体，后期阶段进行强合作以共享父代个体。这种双阶段合作机制不仅确保了多种群间的有效信息共享，还有助于获得高质量解。此外，提出了一种新颖的双搜索机制来引导多方种群的进化，进一步增强了算法的收敛能力。最后，我们将MP-HCEA应用于名为多利益相关者推荐的真实应用案例研究。在真实多利益相关者推荐数据集上的实验表明，所提出的MP-HCEA优于几个代表性基线。
Keyword:
Discrete problems
multiparty multiobjective optimization
multipopulation method
multistakeholder recommendation
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
暂无论文信息