این مقاله؛ نسخه و نمونه ای پیشرفته را از روش cw پیشنهاد می کند که CMODE نامیده شده و بهینه سازی چند هدفی را با تکامل هائی متمایز ترکیب کرده تا با مسائل مربوط به بهینه سازی نام برده روبرو شده و سروکار داشته باشند. مثل cw قبلی، مقایسه ی عوامل در CMODE اغلب بر پایه ی بهینه سازی چند هدفی است. در CMODE، تکامل دیفرانسیلی و افتراقی به عنوان یک موتور تحقیقاتی حفظ شده است. بعلاوه؛ مکانیزم جایگزینی یک بخش بر پایه ی بهینه سازی چند هدفی پیشنهاد شده است که با هدف راهنمائی جمعیت در طول ارائه راه حل ها و حوزه ای امکان پذیر صورت می گیرد. عملکرد CMODE بر پایه ی 24 ساختار تستی ارزیابی شده است. این مطلب به صورت تجربی مشاهده شده که CMODE قادر به ایجاد نتایجی رقابتی است که با بعضی از روش های هنری در مجمع بهینه سازی تکاملی مقایسه می شود.
واژگان کلیدی
در CMODE، تکامل دیفرانسیلی و افتراقی به عنوان یک موتور تحقیقاتی حفظ شده است. بعلاوه؛ مکانیزم جایگزینی یک بخش بر پایه ی بهینه سازی چند هدفی پیشنهاد شده است که با هدف راهنمائی جمعیت در طول ارائه راه حل ها و حوزه ای امکان پذیر صورت می گیرد. عملکرد CMODE بر پایه ی 24 ساختار تستی ارزیابی شده است. این مطلب به صورت تجربی مشاهده شده که CMODE قادر به ایجاد نتایجی رقابتی است که با بعضی از روش های هنری در مجمع بهینه سازی تکاملی مقایسه می شود.
Combining Multiobjective Optimization with Differential Evolution to Solve Constrained Optimization Problems
IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, VOL. 16, NO. 1, FEBRUARY 2012
نرم افزارهای مورد نیاز جهت اجرای این نسخه : Matlab R2014b
توضیح مختصرهدف این بخش، بحث در مورد اثرات بعضی مکانیزم های پیشنهادی در این مقاله و اثر مجموعه های پارامتری بر عملکرد CMODE می باشد. بیان این مطلب مهم است که نتایج این توابع که باعث ارائه تفاوتی قابل ملاحظه بر عملکرد روش های مقایسه شده می شود، در این بخش شرح داده شده و نتایجی دیگر با تفاوت هائی جزئی، برای آشکارسازی این بخش، حذف می شوند. بعلاوه، این بخش، بر پایه ی معیار میانگین تابعی هدفمند، نسبت موفقیت و نسبت امکان پذیری گزارش شده است.