.png){kind=icon}
返回
Self-adaptive resource allocation based on reinforcement learning for multi-concept multi-objective optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2026.114851.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 已开发出一种基于强化学习测量优势概念的指标。该指标的确立涉及概念的收敛精度和进化潜力，有利于更准确有效地筛选有利概念。
• 已提出一种基于强化学习的进化资源分配方法。该方法能够动态引导进化资源向具有明显优势的概念，同时保护具有未来优势潜力的潜在概念不被过度淘汰。
• 已设计一种基于强化学习的环境选择算法，能够合理地从各类概念中挑选精英个体。该算法确保选择足够数量的优势概念个体，同时保留一定数量的潜在优势概念个体，并提前淘汰不再具有潜力的劣势概念。
Keyword:
reinforcement learning
multi-concept optimization
resource allocation
evolutionary algorithms
advantage metric
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
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
分享收藏A Gentle Introduction to Reinforcement Learning and its Application in Different Fields.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Reinforcement Learning and Adaptive Dynamic Programming for Feedback Control用于反馈控制的强化学习和自适应动态规划
PREAI
分享收藏分享收藏
查看更多内容