亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Decomposition-Based Multiobjective Optimization for Constrained Evolutionary Optimization

多目标优化 数学优化 进化算法 最优化问题 优化测试函数 水准点(测量) 分解 差异进化 计算机科学 帕累托原理 约束优化问题 连续优化 进化计算 多群优化 数学 生态学 生物 大地测量学 地理
作者
Bing-Chuan Wang,Han‐Xiong Li,Qingfu Zhang,Yong Wang
出处
期刊:IEEE transactions on systems, man, and cybernetics [Institute of Electrical and Electronics Engineers]
卷期号:51 (1): 574-587 被引量:107
标识
DOI:10.1109/tsmc.2018.2876335
摘要

Pareto dominance-based multiobjective optimization has been successfully applied to constrained evolutionary optimization during the last two decades. However, as another famous multiobjective optimization framework, decomposition-based multiobjective optimization has not received sufficient attention from constrained evolutionary optimization. In this paper, we make use of decomposition-based multiobjective optimization to solve constrained optimization problems (COPs). In our method, first of all, a COP is transformed into a biobjective optimization problem (BOP). Afterward, the transformed BOP is decomposed into a number of scalar optimization subproblems. After generating an offspring for each subproblem by differential evolution, the weighted sum method is utilized for selection. In addition, to make decomposition-based multiobjective optimization suit the characteristics of constrained evolutionary optimization, weight vectors are elaborately adjusted. Moreover, for some extremely complicated COPs, a restart strategy is introduced to help the population jump out of a local optimum in the infeasible region. Extensive experiments on three sets of benchmark test functions, namely, 24 test functions from IEEE CEC2006, 36 test functions from IEEE CEC2010, and 56 test functions from IEEE CEC2017, have demonstrated that the proposed method shows better or at least competitive performance against other state-of-the-art methods.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
zommen完成签到 ,获得积分10
8秒前
run发布了新的文献求助10
8秒前
研友_VZG7GZ应助淡定白枫采纳,获得10
11秒前
20秒前
淡定白枫完成签到,获得积分10
20秒前
孙孙应助瘦瘦的寒珊采纳,获得10
30秒前
Panther完成签到,获得积分10
40秒前
量子星尘发布了新的文献求助10
44秒前
孙孙应助瘦瘦的寒珊采纳,获得10
47秒前
Ellen应助背后梦安采纳,获得30
49秒前
002完成签到,获得积分10
58秒前
1分钟前
孙孙应助瘦瘦的寒珊采纳,获得10
1分钟前
Asher发布了新的文献求助10
1分钟前
背后梦安完成签到,获得积分10
1分钟前
霖霖完成签到,获得积分10
1分钟前
morena发布了新的文献求助10
1分钟前
研友_VZG7GZ应助科研通管家采纳,获得30
1分钟前
wanci应助Asher采纳,获得10
1分钟前
1分钟前
苏小北完成签到 ,获得积分10
1分钟前
1分钟前
量子星尘发布了新的文献求助30
2分钟前
整齐的萝完成签到,获得积分20
2分钟前
南滨完成签到 ,获得积分10
2分钟前
h0jian09完成签到,获得积分10
2分钟前
2分钟前
Ava应助2311采纳,获得30
2分钟前
情怀应助lf采纳,获得10
2分钟前
2分钟前
2分钟前
2分钟前
lf发布了新的文献求助10
2分钟前
佳丽发布了新的文献求助10
2分钟前
佳丽完成签到,获得积分10
2分钟前
3分钟前
Ellen完成签到,获得积分10
3分钟前
量子星尘发布了新的文献求助10
3分钟前
3分钟前
3分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976643
求助须知:如何正确求助?哪些是违规求助? 3520735
关于积分的说明 11204613
捐赠科研通 3257484
什么是DOI,文献DOI怎么找? 1798716
邀请新用户注册赠送积分活动 877897
科研通“疑难数据库(出版商)”最低求助积分说明 806613