MOCOVIDOA: ein neuartiger Multi-Objective-Algorithmus zur Optimierung von Coronavirus-Erkrankungen zur Lösung von Multi-Objective-Optimierungsproblemen

Abstract Ein neuartiger Multi-Objective-Algorithmus zur Optimierung von Coronavirus-Erkrankungen (MOCOVIDOA) wird vorgestellt, um globale Optimierungsprobleme mit bis zu drei Zielsetzungen zu lösen. Dieser Algorithmus nutzt ein Archiv, um nicht-dominierte POSs während des Optimierungsprozesses zu speichern. Anschließend wählt ein Roulette-Rad-Auswahlmechanismus die effektiven archivierten Lösungen aus, indem er die Frame-Shift-Technik simuliert, die Coronavirus-Partikel zur Replikation verwenden. Wir haben die Effizienz bewertet, indem wir siebenundzwanzig Multi-Objective-Probleme (21 Benchmarks und 6 reale Ingenieurdesign-Probleme) gelöst haben, wobei die Ergebnisse mit fünf gängigen Multi-Objective-Metaheuristiken verglichen werden. Der Vergleich verwendet sechs Bewertungsmetriken, darunter IGD, GD, MS, SP, HV und delta p (P ΔP). Die erhaltenen Ergebnisse und der Wilcoxon-Rangsummentest zeigen die Überlegenheit dieses neuartigen Algorithmus gegenüber bestehenden Algorithmen und offenbaren seine Anwendbarkeit zur Lösung von Multi-Objective-Problemen.