.png){kind=icon}
返回
Reinforcement Learning Enhanced Multi-Objective Social Network Search Algorithm for Engineering Design Problems
.png){kind=icon}
OA
AI
DOI：10.3390/math13223613.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决真实世界工程设计优化问题，本研究提出了一种强化学习增强的多目标社会网络搜索算法（QMOSNS），该算法为求解多目标优化问题提供了一种新颖的方法。QMOSNS利用Halton序列进行种群初始化，以增强初始种群的多样性。采用多目标档案机制存储帕累托最优解，并通过重新分配的适应度评估策略选择父代个体。此外，引入Q学习以自适应地选择变异算子，从而动态平衡算法的探索与开发能力。QMOSNS通过50个突出案例研究进行了严格评估，包括22个无约束多目标基准问题、18个约束多目标基准问题和10个多目标工程设计问题，以全面验证其计算能力与有效性。此外，使用一致的绩效指标获得的统计结果与其他高度认可的算法进行了比较，以确保公平客观的性能评估。比较结果表明，QMOSNS在处理各种多目标问题时具有鲁棒性和优越性。本研究强调了将强化学习与社会智能相结合以应对工程和计算领域复杂多目标优化的有效性。
Keyword:
multi-objective optimization
social network search
pareto optimal solution
Q-learning
initialization
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
引用论文
A Novel Decomposition-Based Multi-Objective Symbiotic Organism Search Optimization Algorithm.png)
MathematicsOAAI
MathematicsIF0
OAAI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Multi-objective ant lion optimizer: a multi-objective optimization algorithm for solving engineering problems多目标蚁狮优化器: 一种求解工程问题的多目标优化算法APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容