逃离局部最优
算法借助神经网络算子增强决策空间的逃离能力，并结合目标空间聚类划分与反向映射，使种群持续逼近非支配前沿。
曹洁 · Chengzhi, Liu · Chen, Zuohan · 张建林 · Peng, Zhao
Engineering Applications of Artificial Intelligence 2025
当非支配解数量减少时，神经网络算子优化适应度较差的解，帮助种群跳出局部最优。
通过 k-means 聚类划分子区域，并用反向模型将子区域映射回决策空间，从而获得尽可能多的非支配解。
在时间变化比率误差估计（TREE）实际问题上的测试验证了算法有效性。