东几月-CSDN博客

原创论文研读_基于网格的多目标优化进化算法(GrEA)精简版

这里，L表示对于一组帕累托非支配个体，该集合中被该集合中的一个成员所支配的个体的平均数量，其中网格环境也是由该集合形成的。显然，A 和 C 之间的网格坐标差（即 (3 − 0) + (4 − 1) = 6）大于 A 和 B 之间的网格坐标差（即 (1 − 0) + (4 − 1) = 4），说明C距离A比B距离更远。例如，考虑图 1 中个体 A 和 B 的网格坐标为 (0, 4) 和 (1, 1)，很明显，他们之间的目标 f2 的差异大于目标 f1 的差异（即， (4 − 1) > (1 − 0))。

2024-03-05 20:07:47 1042 1

原创论文研读_一种针对大规模稀疏多目标优化的多粒度聚类进化算法(MGCEA)

论文研读_一种针对大规模稀疏多目标优化的多粒度聚类进化算法(MGCEA)此篇文章为Amulti-granularityclusteringbasedevolutionaryalgorithmforlarge-scalesparsemulti-objectiveoptimization的论文学习笔记，只供学习使用，不作商业用途，侵权删除。并且本人学术功底有限如果有思路不正确的地方欢迎批评指正!1 引言在众多科学和工程领域中，优化问题通常以多目标和稀疏最优解为特征，这些问题统称为稀疏多目标优化问题（

2024-03-04 08:00:00 975 1

原创论文研读_一种针对大规模稀疏多目标优化的多粒度聚类进化算法(MGCEA)精简版

具体来说，索引 𝑃𝑜𝑖𝑛𝑡𝑈𝑝 初始化为 1 ，索引 𝑃𝑜𝑖𝑛𝑡𝐷𝑜𝑤𝑛 初始化为 |𝐿𝑎𝑦𝑒𝑟| ，其中 𝑃𝑜𝑖𝑛𝑡𝑈𝑝 会逐渐增加，所有在 𝐿𝑎𝑦𝑒𝑟𝑃𝑜𝑖𝑛𝑡𝑈𝑝 的变量变为 1 ，而 𝑃𝑜𝑖𝑛𝑡𝐷𝑜𝑤𝑛 会逐渐减小，所有在 𝐿𝑎𝑦𝑒𝑟𝑃𝑜𝑖𝑛𝑡𝐷𝑜𝑤𝑛 的变量变为 0。因此，一个决策变量的分数表明它应该被设置为零的概率，其中更高的分数可能表明该决策变量应该被设置为非零的概率更大，因为更高的非支配前沿数字表明解的质量更差，反之亦然。

2024-03-04 08:00:00 1040 1

原创论文研读_基于决策变量分类的多目标多因素遗传算法，用于多目标多任务优化问题（HMOMFMA）

多任务多目标优化问题需要考虑算法的收敛性和种群的多样性。具有不同特征的决策变量的信息传递可能会损害知识重用的效果。本文提出了一种新型混合多目标多因素模因算法来解决这个问题。所提出的变量分类方法将决策变量分类为与收敛性相关的和与多样性相关的决策变量。只有源任务和目标任务中相同类型的决策变量才能传递信息，以避免负面传递。在个体重组过程中，根据决策变量的特性采用不同的进化操作符。此外，所提出的算法将免疫算法作为全局进化操作符和进化梯度搜索算法作为局部搜索操作符融合到多因素框架中，以增强搜索能力。

2024-03-03 10:00:00 1026

原创论文研读_基于决策变量分类的多目标多因素遗传算法，用于多目标多任务优化问题（HMOMFMA）精简版

所提出的变量分类方法将决策变量分类为与收敛性相关的和与多样性相关的决策变量。只有源任务和目标任务中相同类型的决策变量才能传递信息，以避免负面传递。在个体重组过程中，根据决策变量的特性采用不同的进化操作符。此外，所提出的算法将免疫算法作为全局进化操作符和进化梯度搜索算法作为局部搜索操作符融合到多因素框架中，以增强搜索能力。

2024-03-03 10:00:00 1254

原创论文研读_多目标部署优化：无人机在能源高效无线覆盖中的应用（ImMOGWO）

近年来，无人机（UAVs）因其灵活性和低成本而受到广泛关注。然而，多个无人机的使用存在一些限制，如能源有限和协同覆盖的问题。为了实现更好的覆盖性能，每个无人机需要找到最佳位置，以覆盖尽可能多的地面用户同时节约能源。然而，覆盖效用与能耗之间存在权衡。在本文中，我们研究了一个多无人机通信场景，其中多无人机阵列被部署以为移动地面用户提供无线覆盖。考虑到无人机的数量、三维位置和速度，我们构建了一个覆盖效用与能耗多目标优化问题（CUEMOP），旨在同时最大化总覆盖效用和最小化无人机的总能耗。

2024-03-02 10:00:00 874 1

原创论文研读_多目标部署优化：无人机在能源高效无线覆盖中的应用（ImMOGWO）精简版

论文研读_多目标部署优化：无人机在能源高效无线覆盖中的应用此篇文章为Multi-objective Deployment Optimization ofUAVs for Energy-Efficient Wireless Coverage的论文学习笔记，只供学习使用，不作商业用途，侵权删除。并且本人学术功底有限如果有思路不正确的地方欢迎批评指正!创新点RD算法混合解初始化算法改进的多目标灰狼优化（ImMOGWO）算法在本节中，我们首先介绍所提出的改进的多目标灰狼优化（ImMOGWO）算法的

2024-03-02 10:00:00 1329 1

原创论文研读_一种基于双重分解和子集选择的多模态多目标进化算法（MMOEA/DS2）精简版

交配选择的理念仍然使用与 MOEA/D [4] 中相同的邻域交配限制方案，以实现均匀探索，即在每个子问题的邻域内交配，以更高的概率在未探索的子区域产生后代。总而言之，均匀分布的权重向量和基于收敛度的候选集构建保证了目标空间的收敛度和多样性，而基于多样性度的最终解选择强调了决策空间的多样性。，它通常代表目标空间中的一个理论上的最优点，在实际应用中，这个点可能是不可达的，但它提供了一个方向或参考，让算法知道如何引导解的搜索过程。首先，将为每个子问题收集的所有档案解合并，并剔除重复的解。

2024-03-01 09:54:30 1033 1

原创论文研读_一种基于双重分解和子集选择的多模态多目标进化算法（MMOEA/DS2）

多目标优化问题（MOPs）指的是需要同时优化多个相互冲突目标的问题。通常而言，一个最小化的多目标优化问题可以按照以下方式构建：在这里，FxF(x)Fx是一个需最小化的M维目标函数，而xxx是决策空间Ω\OmegaΩ中的 N 维决策向量。如果对于所有的a12Ma12...M，都有faxi≤faxjfaxi≤faxj，并且存在某个b12Mb12...M，使得fbxifbxjfb。

2024-03-01 02:10:50 1020 2

原创论文研读_基于群体合作的大规模多目标优化粒子群优化算法(PCPSO)精简版

A Population Cooperation based Particle Swarm Optimization algorithm for large-scale multi-objective optimization第一阶段使用 APC 加速主要种群的收敛速度在第二阶段，提出了一种子种群合作（SPC）策略，以平衡收敛性和多样性。为此，将主种群分为几个子种群，并引入基于Jensen-Shannon散度（JSD）的自适应合并-分割操作，以增加子种群的搜索方向多样性。此外，提出了一种新颖的三距离环境

2024-01-16 21:16:09 1056

原创论文研读_基于群体合作的大规模多目标优化粒子群优化算法(PCPSO)

A Population Cooperation based Particle Swarm Optimization algorithm for large-scale multi-objective optimization先提高收敛性，再平衡收敛性和多样性第一阶段使用 APC 加速主要种群的收敛速度在第二阶段，提出了一种子种群合作（SPC）策略，以平衡收敛性和多样性。为此，将主种群分为几个子种群，并引入基于Jensen-Shannon散度（JSD）的自适应合并-分割操作，以增加子种群的搜索方向多样性

2024-01-16 21:05:46 1148 1

原创论文研读_基于网格的多目标优化进化算法(GrEA算法)

不失一般性，一个多目标优化问题可以被陈述为一个最小化问题，并以下述方式定义：其中，x表示可行解空间Ω中的解向量，Fi（i = 1,2,…,M）是要最小化的第i个目标函数。定义（帕累托支配）：其中，x≺y表示x支配y。帕累托支配关系反映了决策者对首选结构的最弱假设。一个不被其他向量所支配的决策向量称为帕累托最优解。在决策空间中最优解的集合被称为帕累托集，相应的目标向量集合被称为帕累托前沿。在GrEA中，网格被用作一个框架，用来确定目标空间中个体的位置。因此，它与进化群体的适应性似乎是明智的。

2023-10-26 01:41:27 1482 5

ckm1377214的博客