IDEAS主页打印自https://ideas.repec.org/a/spr/joheur/v24y2018i4d10.1007_s10732-018-9369-x.html
  我的参考书目  保存此文章

超神经多目标粒子群优化算法的选择方法评价

作者

上市的：
  • 奥拉西尔·卡斯特罗

    （巴拉那联邦大学）

  • 吉安·莫里西奥·弗里奇

    （巴拉那联邦大学）

  • 奥罗拉·波佐

    （巴拉那联邦大学）

摘要

多目标粒子群优化（MOPSO）是一种很有前途的解决多目标问题的元启发式算法。以前的工作表明，选择适当的先导和归档方法组合是一项具有挑战性的任务，可以提高算法的搜索能力。此前的一项研究采用了一种简单的超神经疗法来选择这些成分，取得了良好的效果。在本研究中，通过分析验证了使用更先进的启发式选择方法是否可以提高算法的搜索能力。我们进行了实证研究来调查这一假设。在这些研究中，首先比较了四种启发式选择方法：选择函数、多臂土匪、随机选择和先前提出的轮盘赌。第二项研究是为了确定是否最好只采用领导者方法、归档方法，或者同时采用两者。此外，还分析了用于替代低层启发式的间隔的影响。最后，最后一项研究将最佳变量与超神经框架进行了比较，该框架将多臂Bandit算法与基于动态资源分配分解的多目标优化算法（MOEA/D-DRA）和最先进的MOPSO相结合。我们的结果表明，所得到的算法在所研究的大多数问题上都优于超启发式框架。此外，与最先进的MOPSO相比，它取得了具有竞争力的结果。

建议引用

  • Olacir R.Castro和Gian Mauricio Fritsche以及Aurora Pozo，2018年。"超神经多目标粒子群优化算法的选择方法评价,"启发式杂志施普林格，第24卷（4），第581-616页，8月。
    • 手柄：RePEc:spr:joheur:v:24:y:2018:i:4:d:10.1007_s10732-018-9369-x
    数字对象标识码：10.1007/s10732-018-9369-x
    作为

    从出版商下载全文

    文件URL: http://link.springer.com/10.1007/s10732-018-9369-x
    文件功能：摘要
    下载限制：访问本系列文章的全文受到限制。
    文件URL: https://libkey.io/10.1007/s10732-018-9369-x？utm_source=ideas
    LibKey链接：如果访问受到限制，并且您的库使用此服务，LibKey会将您重定向到可以使用库订阅访问此项目的位置
    ---><---

    由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。

    IDEAS上列出的参考文献

    作为
    1. 杰克·布拉泽维奇、埃德蒙·伯克、格雷厄姆·肯德尔、沃伊切赫·姆鲁茨基维奇、塞伊达·奥古兹和阿列克桑德拉·斯威克斯，2013年。"DNA序列杂交测序的超神经方法,"运筹学年鉴施普林格，第207（1）卷，第27-41页，8月。
    2. Laumanns，Marco&Zenklusen，Rico，2011年。"随机搜索方法对固定大小Pareto前沿近似的随机收敛性,"欧洲运筹学杂志爱思唯尔，第213（2）卷，第414-421页，9月。
    3. Edmund K Burke&Michel Gendreau&Matthew Hyde&Graham Kendall&Gabriela Ochoa&Ender庸zcan&Rong Qu，2013年。"超神经科学：现状综述,"运筹学学会杂志Palgrave Macmillan；《手术室学会》，第64卷（12），第1695-1724页，12月。
    4. Johannes Bader和Kalyanmoy Deb&Eckart Zitzler，2010年。"使用蒙特卡罗采样的快速超卷搜索,"经济学和数学系统课堂讲稿，作者：Matthias Ehrgott&Boris Naujoks&Theodor J.Stewart&Jyrki Wallenius（编辑），可持续能源和运输系统的多准则决策，第313-326页，斯普林格。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    引文

    引文由CitEc项目，订阅其RSS源对于此项目。
    作为


    引用人：

    1. Leng Longlong&Yanwei Zhao&Jingling Zhang&Chunmiao Zhang，2019年。"多目标区域低碳定位路径问题的一种有效方法,"伊耶尔普，MDPI，第16卷（11），第1-28页，6月。
    2. 刘发贵、王绿生标、桂梦科、张扬、兰玉林、赖成琦、朱伯元，2023年。"同时取送和时间窗的城市配送混合启发式算法,"启发式杂志Springer，第29卷（2），第269-311页，6月。
    3. Leng Longlong&Yanwei Zhao&Zheng Wang&Jingling Zhang&Wanliang Wang和Chunmiao Zhang，2019年。"多约束生物目标区域低碳定位路径问题的一种新的超神经方法,"可持续性，MDPI，第11卷（6），第1-31页，3月。

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书相同的作品引用。
    1. Aleksandra Swierz、Wojciech Frohmberg、Michal Kierzynka、Pawel Wojciethowski、Piotr Zurkowski、Jan Badura、Artur Laskowski、Marta Kasprzak和Jacek Blazewicz，2018年。"GRASShopPER一种基于GPU对齐的从头组装算法,"普洛斯一号，公共科学图书馆，第13卷（8），第1-23页，8月。
    2. 拉勒·扎巴克·罗恩·戈坎·塞科梅，2022年。"具有设备成本的随机并行装配线平衡问题的超神经方法,"运筹学《施普林格》，第22卷（1），第577-614页，3月。
    3. Ahmed Kheiri和Alina G.Dragomir、David Mueller和Joaquim Gromicho、Caroline Jagtenberg和Jelke J.Hoorn，2019年。"使用元启发式算法应对VRP挑战，在时间窗口内重新分配稀缺设备,"欧洲运输与物流杂志，施普林格；EURO-欧洲运筹学会协会，第8卷（5），第561-595页，12月。
    4. Andrzej Kozik，2017年。"用序列对表示法处理调度问题中的优先约束,"组合优化期刊施普林格，第33卷（2），第445-472页，2月。
    5. W.B.Yates和E.C.Keedwell，2019年。"离线超神经学习的启发式子序列分析,"启发式杂志Springer，第25卷（3），第399-430页，6月。
    6. 德里亚·德利克塔什，2022年。"具有释放时间的多目标单机学习效果调度问题的自适应模因算法,"灵活服务和制造杂志施普林格，第34卷（3），第748-784页，9月。
    7. Surafel Luleseged Tilahun和Mohamed A.Tawhid，2019年。"Swarm超启发式框架,"启发式杂志，施普林格，第25卷（4），第809-836页，10月。
    8. Ivo Couckuyt&Dirk Deschrijver&Tom Dhaene，2014年。"Pareto优化多目标改进概率和期望改进准则的快速计算,"全球优化杂志《施普林格》，第60卷（3），第575-594页，11月。
    9. Venkatesh Pandiri和Alok Singh，2020年。"k旅行商问题的两种多阶段启发式算法,"OPSEARCH公司，施普林格；印度运筹学学会，第57卷（4），第1164-1204页，12月。
    10. O.Schütze&C.Hernández&E-G.Talbi&J.Q.Sun&Y.Naranjani&F.-R.Xiong，2019年。"MOP近似解集表示的Archiver,"启发式杂志，施普林格，第25卷（1），第71-105页，2月。
    11. Nondy，J.&Gogoi，T.K.，2021年。"基准热电联产系统热环境优化多目标进化算法性能比较,"能源爱思唯尔，第233（C）卷。
    12. Christian Lücken和Benjamín Barán和Carlos Brizuela，2014年。"多目标问题的多目标进化算法综述,"计算优化与应用施普林格，第58卷（3），第707-756页，7月。
    13. Li，Wenwen&Ùzcan，Ender&John，Robert，2017年。"多目标进化算法和超神经网络在风电场布局优化中的应用,"可再生能源爱思唯尔，第105卷（C），第473-482页。
    14. Jari Kyngäs&Kimmo Nurmi&Nico Kyngás&George Lilley&Thea Salter&Dries Goossens，2017年。"澳大利亚足球联赛日程安排,"运筹学学会杂志Palgrave Macmillan；手术室学会，第68卷（8），第973-982页，8月。
    15. Sara Ceschia和Rosita Guido和Andrea Schaerf，2020年。"基于大邻域的模拟退火求解静态INRC-II护士排班问题,"运筹学年鉴，施普林格，第288（1）卷，第95-113页，5月。
    16. Stefan Vonolfen和Michael Affenzeller，2016年。"动态取货和交货问题的等待时间分布,"运筹学年鉴，施普林格，第236（2）卷，第359-382页，1月。
    17. 阿尔贝托·桑蒂尼（Alberto Santini）、斯特凡·罗普克（Stefan Ropke）和拉尔斯·马格努斯·赫瓦塔姆（Lars Magnus Hvattum），2018年。"自适应大邻域搜索元启发式的接受准则比较,"启发式杂志施普林格，第24卷（5），第783-815页，10月。
    18. Eric Bradford和Artur M.Schweidtmann以及Alexei Lapkin，2018年。"采用高斯过程、谱采样和遗传算法的高效多目标优化,"全球优化杂志Springer，第71卷（2），第407-438页，6月。
    19. Pilechiha、Peiman和Mahdavinejad、Mohammajavad和Pour Rahimian、Farzad和Carnemolla、Phillippa和Seyedzadeh，Saleh，2020年。"办公室窗户设计的多目标优化框架：视野质量、日光和能效,"应用的能源爱思唯尔，第261（C）卷。
    20. Dubois Lacoste，Jérémie和López Ibáñez，Manuel和Stützle，Thomas，2015年。"随时Pareto本地搜索,"欧洲运筹学杂志爱思唯尔，第243（2）卷，第369-385页。

    更正

    本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:spr:joheur:v:24:y:2018:i:4:d:10.1007_s10732-018-9369-x。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关本项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Sonal Shukla或Springer Nature Abstracting and Indexing（以下电子邮件可用）。供应商的一般联系方式：http://www.springer.com网站.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    想法是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。