.png){kind=icon}
返回
Multipattern Learning and Collaboration-Based Evolutionary Optimizer for Large-Scale Multiobjective Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/TSMC.2025.3628874.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，嵌入机器学习的大规模多目标进化算法（LMOEAs）在解决大规模多目标优化问题（LMOPs）方面显示出巨大潜力。然而，在处理LMOP时，种群向真实帕累托最优前沿（POF）的快速收敛以及获得的帕累托最优解（POSs）在POF上的均匀分布并未得到充分考量。此外，现有的LMOEAs通常采用匹配规则配对解，并利用网络学习获取的解对之间的进化模式。通过简单网络难以学习多样化的进化模式，这阻碍了不同模式间的协作以提升搜索能力。面对这些困难，本文提出了一种具有多模式学习与协作的大规模多目标进化算法（LMOEA-MLC），其中构建了一个单隐藏层多输出网络（SMN）来学习归纳和混合进化模式。具体而言，可通过基于两条分别面向快速收敛和均匀分布的匹配规则构建的解对，学习两种归纳模式。此外，收集考虑两种归纳模式融合的解对，使SMN能够学习一种混合模式，从而在快速收敛和均匀分布之间取得平衡。同时，由于模式差异，学习到的进化模式通过协作增强搜索能力。为提升学习速度，SMN的参数通过增量随机向量函数链接（IRVFL）进行更新。在实验中，与八种最先进LMOEAs的全面比较证明了LMOEA-MLC在处理LMOPs方面性能的显著提升。
Keyword:
Incremental learning
large-scale multiobjective optimization
multipattern learning
期刊
I
IF:
0
论文数:
240
被引数:
0
机构
引用论文
A two-space-decomposition-based evolutionary algorithm for large-scale multiobjective optimization
.png){kind=icon}
PREAI
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏Wireless Network Slice Assignment With Incremental Random Vector Functional Link Network基于增量随机向量功能链路网络的无线网络切片分配
PREAI
分享收藏Large-Scale Multiobjective Optimization via Reformulated Decision Variable Analysis基于重构决策变量分析的大规模多目标优化
PREAI
分享收藏A fast sampling based evolutionary algorithm for million-dimensional multiobjective optimization一种基于快速抽样的百万维多目标优化进化算法
PREAI
分享收藏
查看更多内容