.png){kind=icon}
.png){kind=icon}
返回
SOM-guided evolution: a multi-stage framework for multi-objective optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s12293-026-00530-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标优化中平衡收敛性与多样性仍是一个关键挑战。本文提出SOM-MSMOEA，一种新颖的多阶段进化算法，利用自组织映射（SOM）指导搜索过程。进化过程分为早期、中期和晚期三个阶段：早期阶段采用基于SOM的均匀性增强策略改善种群分布以避免过早集中；中期阶段结合精英引导的全局搜索与SOM指导的收敛子空间局部搜索加速前沿逼近；晚期阶段通过SOM驱动的多样性子空间局部搜索细化解的分布。SOM-MSMOEA利用SOM的拓扑结构指导阶段特定的搜索策略，在整个优化过程中有效协调收敛性与多样性。实验结果表明其在广泛问题上的竞争力。
Keyword:
Multi-objective evolutionary algorithm
Self-organizing map
Multi-stage
Uniformity enhancement
Elite-led global search
Local search
期刊
IF:
2.3
论文数:
453
被引数:
718