.png){kind=icon}
返回
Rank-Based Learning and Local Model-Based Evolutionary Algorithm for High-Dimensional Expensive Multiobjective Problems
.png){kind=icon}
PRE
AI
DOI：10.1109/TSMC.2026.3656639.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
代理辅助进化算法（SAEAs）近年来被广泛发展用于解决复杂且计算成本高昂的多目标优化问题（EMOPs）。然而，在处理决策空间中的高维优化问题时，这些代理辅助多目标进化算法（MOEAs）的性能急剧下降。本研究中，提出了一种新颖的分类器辅助基于排序的学习和局部模型多目标进化算法（CLMEA），用于高维EMOPs。CLMEA充分利用了解在决策空间和目标空间中的不确定性，以探索高维问题中不确定但信息丰富的空间。具体而言，不同排序的后代使用基于排序的学习策略生成更多有前景和信息丰富的候选解以进行函数评估（FEs）。为减少高维问题的搜索区域并维持解的多样性，从按拥挤距离测量的非支配解中选择最不确定的样本点作为中心进行局部搜索。基准问题和地热储层热提取优化的实际应用实验结果表明，与当前最先进的代理辅助MOEAs相比，CLMEA具有更优越的性能。本研究的源代码可在https://github.com/JellyChen7/CLMEA获取。
Keyword:
Classifier-assisted optimization
expensive optimization
high-dimensional multiobjective optimization
rank-based learning
surrogate-assisted evolutionary algorithm (SAEA)
期刊
I
IF:
0
论文数:
240
被引数:
0
机构
引用论文
A Kriging-Assisted Two-Archive Evolutionary Algorithm for Expensive Many-Objective Optimization
PREAI
分享收藏Hidden fluid mechanics: Learning velocity and pressure fields from flow visualizations.png)
Science
OAAI
ScienceIF0
OAAI分享收藏A Classification-Based Surrogate-Assisted Multiobjective Evolutionary Algorithm for Production Optimization under Geological UncertaintySPE Journal
SPE JournalIF0
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A Survey on Learnable Evolutionary Algorithms for Scalable Multiobjective Optimization可扩展多目标优化的可学习进化算法综述
OAAI
OAAI分享收藏
查看更多内容