Multiple Populations for Multiple Objectives Framework with Bias Sorting for Many-objective Optimization

The convergence and diversity enhancement of multiobjective evolutionary algorithms (MOEAs) to efficiently solve many-objective optimization problems (MaOPs) is an active topic in evolutionary computation. By considering the advantages of the multiple populations for multiple objectives (MPMO) frame...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on evolutionary computation Ročník 27; číslo 5; s. 1
Hlavní autoři:	Yang, Qi-Te, Zhan, Zhi-Hui, Kwong, Sam, Zhang, Jun
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.10.2023 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Bias bias sorting coevolution Convergence Evolutionary algorithms Evolutionary computation Maintenance engineering Many-objective optimization problems (MaOPs) multi-objective evolutionary algorithm (MOEA) Multiple objective analysis Optimization Pareto optimization Populations Sociology Sorting Sorting algorithms Statistics
ISSN:	1089-778X, 1941-0026
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!