Resumen

El problema de optimización restringida (COP) se convierte primero en un problema de optimización biobjetivo, y luego se propone un nuevo algoritmo evolutivo diferencial memético con preferencia dinámica para resolver el problema convertido. En el algoritmo memético, la búsqueda global, que utiliza la evolución diferencial (DE) como esquema de búsqueda, está guiada por una nueva función de aptitud basada en la función de escalarización de logros (ASF). La nueva función de aptitud, construida por un punto de referencia y un vector de ponderación, ajusta dinámicamente la preferencia hacia diferentes objetivos durante la evolución, en la que el punto de referencia y el vector de ponderación se determinan adaptándose a la población actual. En el procedimiento de búsqueda local, se utiliza el cruce simplejo (SPX) como motor de búsqueda, que se concentra en el vecindario abarcado por los mejores individuos factibles e infactibles y guía la búsqueda hacia la solución óptima desde ambos lados del límite de la región factible. Como resultado, la búsqueda puede explorar y

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Problema de optimización restringida; Problema de optimización biobjetivo; Algoritmo evolutivo diferencial memético; Preferencia dinámica; Función escalarizadora de logro; Cruce simplex
• Keywords:Constrained optimization problem; Biobjective optimization problem; Memetic differential evolution algorithm; Dynamic preference; Achievement scalarizing function; Simplex crossover