中文版 | English
题名

Reference Vector Adaptation and Mating Selection Strategy via Adaptive Resonance Theory-Based Clustering for Many-Objective Optimization

作者
发表日期
2023
DOI
发表期刊
ISSN
2169-3536
卷号11页码:126066-126086
关键词
相关链接[IEEE记录]
收录类别
SCI ; EI
学校署名
其他
WOS记录号
WOS:001107245500001
EI入藏号
20234815137522
EI主题词
Evolutionary algorithms ; Pareto principle ; Topology ; Vectors
EI分类号
Information Sources and Analysis:903.1 ; Algebra:921.1 ; Combinatorial Mathematics, Includes Graph Theory, Set Theory:921.4
来源库
IEEE
全文链接https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10314513
引用统计
被引频次[WOS]:1
成果类型期刊论文
条目标识符http://sustech.caswiz.com/handle/2SGJ60CL/609994
专题工学院_计算机科学与工程系
作者单位
1.Graduate School of Informatics, Osaka Metropolitan University, Sakai-Shi, Osaka, Japan
2.College of Computer Science and Electronic Engineering, Hunan University, Hunan, China
3.Department of Computer Science and Engineering, Guangdong Provincial Key Laboratory of Brain-Inspired Intelligent Computation, Southern University of Science and Technology, Shenzhen, China
推荐引用方式
GB/T 7714
Takato Kinoshita,Naoki Masuyama,Yiping Liu,et al. Reference Vector Adaptation and Mating Selection Strategy via Adaptive Resonance Theory-Based Clustering for Many-Objective Optimization[J]. IEEE Access,2023,11:126066-126086.
APA
Takato Kinoshita,Naoki Masuyama,Yiping Liu,Yusuke Nojima,&Hisao Ishibuchi.(2023).Reference Vector Adaptation and Mating Selection Strategy via Adaptive Resonance Theory-Based Clustering for Many-Objective Optimization.IEEE Access,11,126066-126086.
MLA
Takato Kinoshita,et al."Reference Vector Adaptation and Mating Selection Strategy via Adaptive Resonance Theory-Based Clustering for Many-Objective Optimization".IEEE Access 11(2023):126066-126086.
条目包含的文件
条目无相关文件。
个性服务
原文链接
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
导出为Excel格式
导出为Csv格式
Altmetrics Score
谷歌学术
谷歌学术中相似的文章
[Takato Kinoshita]的文章
[Naoki Masuyama]的文章
[Yiping Liu]的文章
百度学术
百度学术中相似的文章
[Takato Kinoshita]的文章
[Naoki Masuyama]的文章
[Yiping Liu]的文章
必应学术
必应学术中相似的文章
[Takato Kinoshita]的文章
[Naoki Masuyama]的文章
[Yiping Liu]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
[发表评论/异议/意见]
暂无评论

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。