La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improving Proximity and Diversity in Multiobjective Evolutionary Algorithms Améliorer la proximité et la diversité dans les algorithmes évolutifs multiobjectifs

Chang Wook AHN, Yehoon KIM

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cet article présente une approche pour améliorer la proximité et la diversité dans les algorithmes évolutifs multiobjectifs (MOEA). L’idée est de découvrir de nouvelles solutions non dominées dans le domaine prometteur de l’espace de recherche. Cela peut être réalisé en appliquant la mutation uniquement aux individus les plus convergents et les moins peuplés. En d’autres termes, la proximité et la diversité peuvent être améliorées car de nouvelles solutions non dominées se trouvent au voisinage des individus très convergents et moins encombrés. Les résultats empiriques sur les problèmes de sac à dos multiobjectifs (MKP) démontrent que l'approche proposée découvre un ensemble de solutions non dominées beaucoup plus proche du front de Pareto global tout en maintenant une meilleure répartition des solutions.

Publication
IEICE TRANSACTIONS on Information Vol.E93-D No.10 pp.2879-2882
Date de publication
2010/10/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E93.D.2879
Type de manuscrit
LETTER
Catégories
Biocybernétique, Neuroinformatique

Auteurs

Mots-clés

Table des matières