大规模多目标更优解
通过收敛子种群与多样性子种群的协同，并引入适应度感知变异算子与自适应惩罚边界交叉选择，在大规模多目标优化问题上取得整体最优性能。
Li, Bingdong · Yan, Zhang · 杨鹏 · 姚新 · 周爱民
IEEE Transactions on Evolutionary Computation 2023
适应度感知变异算子（FAVO）驱动多样性子种群向收敛子种群靠拢，加速了整体收敛。
自适应惩罚边界交叉（APBI）策略在进化不同阶段动态调整选择压力，无需人工干预即可保持收敛与多样性的平衡。
在100–2000个决策变量的基准测试中，整体性能超过多个最先进的大规模多目标进化算法。