Competitive swarm optimization with subset selection based manifold learning for multimodal multi-objective optimization

数学优化 多目标优化 群体行为 趋同(经济学) 计算机科学 选择(遗传算法) 歧管(流体力学) 帕累托原理 空格(标点符号) 数学 人工智能 工程类 机械工程 经济 经济增长 操作系统
作者
Weiwei Zhang,Yan Fan,Gary G. Yen,F. Wang,Guoqing Li
出处
期刊:Information Sciences [Elsevier]
卷期号:654: 119860-119860
标识
DOI:10.1016/j.ins.2023.119860
摘要

There are two major challenges when handling the multimodal multi-objective optimization (MMO) problems. One is the loss of diversity since most of the evolutionary algorithms designed for MMO prefer the base algorithm with rapid convergence. Therefore, the extra niching or other diversity preserving mechanism is inevitable. The other is the distribution of the Pareto optimal solutions with imbalanced density. Since the Pareto optimal sets may show different characteristics in the decision space, it is tough to converge the solutions to the Pareto front uniformly. To address these issues, subset selection and manifold learning based competitive swarm optimization algorithm, namely MMO_CSO, is proposed. Competitive swarm optimizer which has well balance on both diversity and convergence is adopted. Moreover, a subset selection strategy is applied to select diversified individuals for learning the manifold structure of the Pareto set. Thereby, the subset selection based manifold learning mechanism is designed to generate the promising solutions which could approach the real Pareto solutions and fill the sparse Pareto subregion. Compared against six state-of-the-art peer algorithms, the proposed MMO_CSO has a better performance to search for the Pareto optimal solutions both in decision space and objective space on CEC2019 MMO benchmarks.
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
充电宝应助安静的玫瑰采纳,获得10
刚刚
独白完成签到,获得积分10
1秒前
1秒前
2秒前
2秒前
传奇3应助Jie采纳,获得30
2秒前
Hearing胡发布了新的文献求助10
3秒前
C/R发布了新的文献求助10
3秒前
长情的不言完成签到,获得积分20
4秒前
ting完成签到,获得积分10
4秒前
5秒前
finger完成签到,获得积分10
5秒前
赘婿应助oi采纳,获得10
5秒前
YDM完成签到,获得积分10
5秒前
聪明乐巧完成签到,获得积分10
6秒前
orixero应助deathmask采纳,获得10
7秒前
7秒前
鹿子默发布了新的文献求助50
7秒前
万能图书馆应助gl采纳,获得10
8秒前
8秒前
壮观复天完成签到,获得积分10
9秒前
ssds完成签到,获得积分20
9秒前
Hello应助hai采纳,获得10
10秒前
sakitama发布了新的文献求助10
10秒前
不配.应助水寒采纳,获得10
10秒前
12秒前
衿_完成签到 ,获得积分10
12秒前
12秒前
13秒前
佩佩发布了新的文献求助10
13秒前
秋枫忆发布了新的文献求助20
14秒前
15秒前
明天过后完成签到,获得积分10
15秒前
WTY发布了新的文献求助10
15秒前
Jasper应助吴世勋采纳,获得10
15秒前
R喻andom完成签到,获得积分10
16秒前
Quasimodomycin完成签到,获得积分10
17秒前
C/R关注了科研通微信公众号
17秒前
Gilana发布了新的文献求助10
17秒前
多宝发布了新的文献求助10
17秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 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 3152571
求助须知:如何正确求助?哪些是违规求助? 2803797
关于积分的说明 7855643
捐赠科研通 2461450
什么是DOI,文献DOI怎么找? 1310300
科研通“疑难数据库(出版商)”最低求助积分说明 629199
版权声明 601782