Komplexe Optimierungsprobleme mit mehreren widersprüchlichen Zielen angehen? Diese Übersicht bietet eine umfassende Analyse von multiobjektiven evolutionären Algorithmen (MOEAs) und bewertet deren theoretische Entwicklungen, Klassifizierungsschemata und zeitgenössische Anwendungen in Wissenschaft und Technik. Die Diskussion definiert rigoros multiobjektive Optimierungsprobleme, stellt ein MOEA-Klassifizierungsschema vor und bewertet verschiedene zeitgenössische MOEAs. Zu den wichtigsten behandelten Themen gehören Fitnessfunktionen, Pareto-Ranking, Niching, Fitness Sharing, Paarungsbeschränkung und sekundäre Populationen. Der Schwerpunkt der Überprüfung liegt auf wichtigen analytischen Erkenntnissen, die auf der kritischen MOEA-Bewertung aktueller Forschung und Anwendungen basieren. Empfohlene MOEA-Designs werden zusammen mit Schlussfolgerungen und Empfehlungen für zukünftige Arbeiten vorgestellt. Diese Analyse dient als wertvolle Ressource für Forscher und Praktiker im Bereich der Optimierung und bietet Anleitungen zur MOEA-Auswahl und -Design, um komplexe, multiobjektive Probleme in verschiedenen Bereichen effektiv zu lösen.
Dieses in Evolutionary Computation veröffentlichte Papier steht im Einklang mit dem Fokus der Zeitschrift auf evolutionäre Algorithmen und deren Anwendungen. Durch die Bereitstellung einer rigorosen Analyse und Klassifizierung von MOEAs trägt die Studie zu den theoretischen und praktischen Fortschritten bei der Lösung komplexer Optimierungsprobleme bei, einem Schlüsselbereich für das Publikum der Zeitschrift.