复杂约束下分散寻优
面向复杂约束多目标优化，通过角度支配与最小邻域支配两个阶段，在保持收敛与可行的同时显著提升种群在目标空间的分布均匀性，从而更有效地逼近约束Pareto前沿。
Yubo, Wang · 胡成玉 · Ming, Fei · Li, Yanchi · Gong, Wenyin Ying · 高亮
IEEE Transactions on Evolutionary Computation 2024
角度支配策略在保持已获收敛的同时，使种群在目标空间中均匀分散。
最小邻域支配策略确保种群在搜索约束Pareto前沿时追求均匀分布。
权重向量预选策略避免在不包含CPF的区域搜索，从而降低计算开销。