.png){kind=icon}
返回
Solving dynamic multi-objective engineering design problems via fuzzy c-means prediction algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.102057.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新的预测算法FRMODE，通过集成模糊C均值和回归分析拟合技术以及多目标差分进化，用于解决动态多目标优化问题。当检测到环境变化时，FRMODE的主要目的是预测能够有效追踪移动帕累托最优集的高质量种群。具体而言，模糊C均值（FCM）算法对过去两个相邻环境获得的种群进行聚类。利用种群中心点定义移动方向，并基于之前的非支配个体预测高质量代理。随后，开发了线性及非线性回归分析拟合策略，根据变量的特性对变量分布进行建模。此外，还采用了部分变异策略，通过强化当前代理周围的搜索来引导个体向更具潜力的区域移动。为评估所提算法的性能，实验在具有不同动态难度的基准函数集以及两个经典的动态工程设计问题上进行。实验结果表明，FRMODE相较于几种当前最优算法更具竞争力。
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
Dynamic Multiobjective Evolutionary Optimization via Knowledge Transfer and Maintenance基于知识转移和维护的动态多目标进化优化
PREAI
分享收藏Evolutionary Dynamic Multiobjective Optimization: Benchmarks and Algorithm Comparisons进化动态多目标优化: 基准和算法比较
PREAI
分享收藏Designing Effective Drug Therapies Using a Multiobjective Spider-Wasp Optimizer使用多目标蜘蛛-黄蜂优化器设计有效药物治疗方案.png)
BIOMIMETICS
OAAI
BIOMIMETICSIF3.9
OAAI分享收藏
查看更多内容