双学习帕累托进化算法

兼顾成本与负载均衡

针对多目标任务分配问题,通过统计学习与概率学习协同,同时优化总成本与智能体负载均衡。

Li, Zuocheng · Qinglong, Du · 钱斌 · 胡蓉 · Xu, Meiling

Expert Systems with Applications 2025

参数信息

基准实例数量
180

技术优势

首次建立数学模型

首次提出MOTAP的数学模型,并配套不可行解的修复方法。

统计学习选优

基于位移密度估计的统计学习方法评估收敛性与多样性,筛选高质量个体。

概率学习预测

结合聚类技术的概率学习机制提取精英个体信息,预测有意义的种群。

大规模基准验证

在180个基准实例上实验表明,算法与当前最优方法相比具有竞争力。

应用场景