EMOPSO公司

EMOPSO:一个注重效率的多目标粒子群优化算法。提出了一种高效的多目标粒子群优化算法(EMOPSO),它是作者提出的多目标进化算法(MOEA)的改进版本。在整个论文中,我们提供了几个详细的设计过程,引导我们到EMOPSO。讨论的主要问题是:保持一组均匀分布的非支配解的机制,避免过早收敛的湍流算子,约束处理方案,以及导致我们提出自适应机制的参数研究。最后的算法能够产生相当好的帕累托前沿的问题,多达30个决策变量,而只执行2000个适应度函数评估。据我们所知,这是迄今为止对任何多目标粒子群优化程序所报告的评估次数最少的一次。我们的结果与来自专业文献的12个测试函数的NSGA-II进行了比较。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考文献4条)

显示第1到第4个结果,共4个。
按年份排序(引用)

  1. 云,叶朋;中山、广隆;Yoon,Min:使用广义DEA和PSO生成帕累托最优解(2016)
  2. 王燕;曾建超:基于个体等级的多目标人工物理优化算法(2013)ioport公司
  3. 杜里洛,J.J。;内布罗,A.J。;卢娜,F。;科埃洛,C.A.Coello;Alba,E.:多目标元启发式的收敛速度:效率标准和实证研究(2010)
  4. 托斯卡诺·普利多,格雷戈里奥;科埃洛·科埃洛,卡洛斯A。;Santana Quintero,Luis Vicente:EMOPSO:一种注重效率的多目标粒子群优化算法(2007)ioport公司