.png){kind=icon}
返回
Stepwise sampling coevolutionary framework for expensive constrained multiobjective optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2025.114408.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 本文提出了一种逐步采样协同进化框架（SSCF），将基于模糊聚类的克里金建模（FuzzyCM）方法与协同进化框架相结合，形成一个优化器以解决昂贵的约束多目标优化问题（CMOPs）。FuzzyCM方法能够充分利用训练集中的所有样本构建克里金模型，而无需增加计算成本。
• SSCF中采用了一种新的逐步采样策略。该策略综合考虑了收敛性和可行性的要求。除了选择在目标空间中表现良好的解，还考虑选择靠近约束边界的样本。
• 本研究对SSCF进行了参数研究，以分析特定参数对其性能的影响，并为参数设置提供了适当的建议。
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
A Kriging-Assisted Two-Archive Evolutionary Algorithm for Expensive Many-Objective Optimization
PREAI
分享收藏Gradient-Free Trust-Region-Based Adaptive Response Surface Method for Expensive Aircraft Optimization.png)
AIAA Journal
AIAA JournalIF0
PREAI
分享收藏
A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏
查看更多内容