领导者引导与支配解进化的多目标矮猫鼬算法

TP301; 面对现实中日益复杂的多目标优化问题,需要发展新型多目标优化算法应对挑战.提出一种基于领导者引导与支配解动态缩减进化的多目标矮猫鼬优化算法(MODMO).领导者引导机制通过引入动态权衡因子以调控侦察猫鼬探寻土丘的搜索半径,同时以非劣解集构建外部存档并根据非支配排序层级确定出领导者,进而引导侦察猫鼬向多目标前沿面推进以改善算法的收敛性;支配解动态缩减进化策略是为克服非劣解外部存档维护过程中的解冗余问题而构建,其以支配关系和拥挤距离动态筛选支配解并存入外部存档,以支配解信息融入种群进化实现多目标潜在前沿的挖掘并增强算法的多样性.在ZDT、DTLZ与WFG基准函数上,与5种代表性比较算法...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	计算机科学与探索 Jg. 18; H. 2; S. 403 - 424
Hauptverfasser:	赵世杰, 张红易, 马世林
Format:	Journal Article
Sprache:	Chinesisch
Veröffentlicht:	辽宁工程技术大学 运筹与优化研究院,辽宁 阜新 123000%辽宁工程技术大学 智能科学与优化研究所,辽宁 阜新 123000 01.02.2024 辽宁工程技术大学 智能科学与优化研究所,辽宁 阜新 123000
Schlagworte:	dominated solution dynamic reduction evolution strategy 外部存档 dwarf mongoose optimization algorithm leader guidance mechanism 支配解动态缩减进化策略 多目标优化 multi-objective optimization ex-ternal archive 矮猫鼬优化算法 领导者引导机制
ISSN:	1673-9418
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!