A Multi-Population Multi-Objective Evolutionary Algorithm Based on the Contribution of Decision Variables to Objectives for Large-Scale Multi/Many-Objective Optimization

进化算法 水准点(测量) 数学优化 变量(数学) 趋同(经济学) 公制(单位) 计算机科学 人口 多目标优化 进化计算 遗传算法 最优化问题 数学 机器学习 工程类 地理 数学分析 经济 人口学 社会学 经济增长 运营管理 大地测量学
作者
Ying Xu,Chong Xu,Huan Zhang,Lei Huang,Yiping Liu,Yusuke Nojima,Xiangxiang Zeng
出处
期刊:IEEE transactions on cybernetics [Institute of Electrical and Electronics Engineers]
卷期号:53 (11): 6998-7007 被引量:17
标识
DOI:10.1109/tcyb.2022.3180214
摘要

Most existing multiobjective evolutionary algorithms treat all decision variables as a whole to perform genetic operations and optimize all objectives with one population at the same time. Considering different control attributes, different decision variables have different optimization effects on each objective, so decision variables can be divided into convergence- or diversity-related variables. In this article, we propose a new metric called the optimization degree of the convergence-related decision variable to each objective to calculate the contribution objective of each decision variable. All decision variables are grouped according to their contribution objectives. Then, a multiobjective evolutionary algorithm, namely, decision variable contributing to objectives evolutionary algorithm (DVCOEA), has been proposed. In order to balance the convergence and diversity of the population, the DVCOEA algorithm combines the multipopulation multiobjective framework, where two different optimization strategies are designed to optimize the subpopulation and individuals in the external archive, respectively. Finally, DVCOEA is compared with several state-of-the-art algorithms on a number of benchmark functions. Experimental results show that DVCOEA is a competitive approach for solving large-scale multi/many-objective problems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
puziju完成签到,获得积分10
2秒前
2秒前
阿园完成签到,获得积分10
2秒前
4秒前
kkk556发布了新的文献求助10
5秒前
袁来如此发布了新的文献求助10
6秒前
liaohua发布了新的文献求助10
6秒前
zane发布了新的文献求助10
7秒前
8秒前
有点意思完成签到,获得积分10
9秒前
开朗万天发布了新的文献求助10
9秒前
9秒前
iNk应助Singularity采纳,获得10
9秒前
amumu完成签到,获得积分10
11秒前
叶sir完成签到,获得积分10
12秒前
呼噜完成签到,获得积分20
12秒前
小二郎应助细心怜寒采纳,获得10
13秒前
白驹完成签到,获得积分20
14秒前
有点意思发布了新的文献求助10
14秒前
端庄的白开水完成签到,获得积分10
18秒前
Jokic完成签到,获得积分10
18秒前
小鱼饼饼完成签到,获得积分10
20秒前
20秒前
科目三应助jimmy采纳,获得10
21秒前
orixero应助dgq_81采纳,获得10
24秒前
无语的采柳完成签到 ,获得积分10
24秒前
25秒前
健壮青丝完成签到,获得积分10
27秒前
xiaoxiao完成签到,获得积分10
28秒前
30秒前
科研通AI2S应助大地上的鱼采纳,获得10
30秒前
Lucas应助Doublelin采纳,获得30
33秒前
淡淡菠萝发布了新的文献求助10
35秒前
35秒前
方方完成签到,获得积分10
35秒前
ww发布了新的文献求助10
36秒前
chuyinweilai发布了新的文献求助10
38秒前
Why发布了新的文献求助10
38秒前
李爱国应助hyhyhyhy采纳,获得10
39秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140593
求助须知:如何正确求助?哪些是违规求助? 2791382
关于积分的说明 7798857
捐赠科研通 2447772
什么是DOI,文献DOI怎么找? 1302046
科研通“疑难数据库(出版商)”最低求助积分说明 626434
版权声明 601194