Evolutionary many-objective optimization algorithm based on angle and clustering
本文的工作
- 本文提出了一种新的MaOEA，它使用锐角作为相似度量。通过聚类方法，最终将种群划分为若干个聚类，每个聚类中仅选择一个个体，以保持环境选择的趋同性和多样性。
- 据我们所知，我们首先尝试利用矢量角和聚类方法的互补性，将它们有效地结合起来求解MaOPs。此外，MaOEA-AC通过矢量角度选择识别具有最大矢量角度的两个个体，以迭代方式保持优越的个体多样性和收敛性，从而提供了一种实现多样性和收敛性的直接方法。
- 我们设计的MaOEA-AC结构简单，无参数，操作方便。更重要的是，MaOEA-AC与现有方法不同，因为没有使用主导规则和指标。与基于帕累托的方法不同，MaOEA-AC不会因选择压力不足而出现缺点。该算法不需要像基于指标的方法那样消耗高计算成本。
参考向量
这个公式计算两个solution的夹角（锐角）。
根据最小角度选择不同的参考向量
标签：clustering,AC,Evolutionary,based,MaOEA,聚类 From： https://www.cnblogs.com/kz7430/p/18124702