×
郑伟;谭燕燕;方晓楠;李胜涛

针对多目标优化问题，提出了一种改进的具有最优DE格式的MOEA/D。 （英语） Zbl 1433.90154号

算法（巴塞尔） 10，第3号，第86号论文，23页（2017年）.
概要：MOEA/D是一种基于分解的有前途的多目标进化算法，已被用于解决许多多目标优化问题。然而，存在一类多目标问题，称为多目标优化问题，但原始的MOEA/D不能很好地解决这些问题。本文针对多目标优化问题，提出了一种改进的带最优差分进化（oDE）方案的MOEA/D-oDE。与MOEA/D相比，MOEA/D-oDE有两个区别。一方面，MOEA/D-oDE采用一种新引入的分解方法来分解多目标优化问题，它结合了加权和法和切比雪夫法的优点。另一方面，为DE算子设计了一种组合机制，以寻找最佳子解，从而进行后验计算。在我们的实验研究中，应用了六个连续的测试实例，将NSGA-II（非支配排序遗传算法II）和MOEA/D作为伴随实验进行了比较，这些实例具有4-6个目标。此外，最终结果表明，MOEA/D-oDE在几乎所有情况下都优于NSGA-II和MOEA/D，尤其是在那些具有复杂帕累托形状和高维目标的问题中，其优势更为明显。

MSC公司：

90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式

关键词：

多目标优化;基于分解的多目标进化优化;微分进化方案

软件：

PlatEMO公司;NSGA-II公司;SPEA2公司;MOEA/D公司
PDF格式BibTeX公司 XML格式引用
\textit{W.Zheng}等人，《算法（巴塞尔）》10，第3期，第86号论文，23页（2017；Zbl 1433.90154）
全文： 内政部
OA许可证

参考文献：

[1] Fu，G。；Z.卡普兰。；Kasprzyk，J.R。；里德·P。；基于多目标可视化分析的配水系统优化设计；J.水资源计划。管理层：2012; 第139卷，第624-633页。
[2] 奇昆博，O。；古德曼，E。；Deb，K。；土地利用管理问题的多维帕累托前沿逼近：一个带有表观遗传沉默隐喻的修正moea；2012年IEEE进化计算大会会议记录：，1-9.
[3] Lygoe，R.J。；卡里，M。；弗莱明，P.J。；多目标优化复杂度降低过程的现实应用；进化多准则优化：德国柏林/海德堡，2013，641-655.
[4] Deb，K；使用进化算法的多目标优化：Hoboken，NJ，USA 2001·Zbl 0970.90091号
[5] Miettinen，K；非线性多目标优化：波士顿，马萨诸塞州，美国1999·Zbl 0949.90082号
[6] Ajith，A。；Lakhmi，J。；罗伯特·G；进化多目标优化：伦敦，英国2005·Zbl 1064.90001号
[7] Bai，J。；刘，H。；基于PBI分解的多目标人工蜜蜂算法；申请。整数：2016; ,1-16.
[8] Tan，Y.Y。；基于分解的多目标进化算法及其应用；博士论文：中国西安，2013。
[9] 郑晓伟。；Lu，D.J.博士。；王，X.G。；刘，H。；基于协同进化生物地理学的优化算法；申请。智力：2015; 第43卷，95-111。
[10] Tan，Y.Y。；李，S。；方，X。；具有自适应IWO的MOEA/D用于合成纯相位可重构线性阵列；打开化学。工程杂志：2015；第9卷，125-133。
[11] 梅，Q。；张，H。；梁，C。；基于基因表达数据的肿瘤分类判别特征提取方法；货币。生物信息：2016; 第11卷，561-570。
[12] 刘，H。；张，P。；胡，B。；摩尔，P。；协同多智能体设计系统中任务分配的一种新方法；申请。智力：2015; 第43卷，162-175。
[13] Tan，Y.Y。；Jiao，Y.C。；求解多目标背包问题的均匀设计MOEA/D；JCP:2013年；第8卷，302-307。
[14] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；梅亚里凡，T.A.M.T。；一种快速的精英多目标遗传算法：NSGA-II；电气与电子工程师协会。事务处理。进化。计算：2002; 第6卷，182-197年。
[15] Zitzler，E。；Laumanns，M。；Thiele，L。；SPEA2：改进强度的Pareto进化算法；Eurogen:2001年；第324295-100卷。
[16] Ishibuchi，H。；北津本。；野岛，Y。；进化多目标优化：一个简短的回顾；IEEE会议。进化。计算：2008; ,2419-2426.
[17] 贾基奥齐斯，I。；弗莱明，P.J。；多目标优化方法分析；信息科学：2015; 第293卷，第338-350页·Zbl 1355.90090号
[18] 张，Q。；李，H。；基于分解的多目标进化算法MOEA/D；电气与电子工程师协会。事务处理。进化。计算：2007; 第11卷，712-731。
[19] 李，H。；南达科他州兰达。；自适应竞争搜索方向的进化多目标模拟退火；电气与电子工程师协会。事务处理。进化。计算：2008; ,3311-3318.
[20] Ke，L。；张，Q。；巴提提，R。；MOEA/D-ACO：一种基于分解和蚁群的多目标进化算法；电气与电子工程师协会。事务处理。网络：2013; 第43卷，1845-1859。
[21] 李伟（Li，W.）。；Wang，L。；姜强。；Hei，X。；王，B。；基于分解的多目标云粒子优化算法；算法：2015年；第8卷，157-176·Zbl 1461.90141号
[22] 斯托恩，R。；价格，K。；差分进化——一种简单有效的连续空间全局优化启发式算法；J.全球。最佳方案：1997; 第11卷，341-359·Zbl 0888.90135号
[23] 斯托恩，R。；价格，K。；差分进化：一种简单有效的连续空间全局优化自适应方案；1995; . ·Zbl 0888.90135号
[24] 李，H。；张，Q。；具有复杂Pareto集、MOEA/D和NSGA-II的多目标优化问题；电气与电子工程师协会。事务处理。进化。计算：2009; 第13卷，284-302。
[25] Tan，Y.Y。；Jiao，Y.C。；李，H。；Wang，X.K。；MOEA/D+均匀设计：针对多目标优化问题的新版本MOEA/D；计算。操作。研究结果：2013年；第40卷，1648-1660·Zbl 1348.90566号
[26] 齐，Y。；马，X。；刘，F。；Jiao，L。；Sun，J。；吴杰。；具有自适应权重调整的MOEA/D；进化。计算：2014; 第22卷，231-264。
[27] Deb，K。；Jain，H。；使用基于参考点的非支配排序方法的进化多目标优化算法，第一部分：求解带方框约束的问题；电气与电子工程师协会。事务处理。进化。计算：2014; 第18卷，577-601。
[28] 李凯。；Deb，K。；张，Q。；Kwong，S。；基于优势和分解的进化多目标优化算法；电气与电子工程师协会。事务处理。进化。计算：2015; 第19卷，694-716。
[29] 张，Q。；刘伟。；李，H。；新版本MOEA/D在CEC09无约束MOP测试实例上的性能；IEEE会议。进化。计算：2009; 第1卷，203-208年。
[30] 王，Y。；蔡，Z。；张，Q。；基于复合试验向量生成策略和控制参数的差分进化；电气与电子工程师协会。事务处理。进化。计算：2011; 第15卷，55-66。
[31] Wang，L。；张，Q。；周，A。；龚，M。；Jiao，L。；基于分解的多目标进化算法中的约束子问题；电气与电子工程师协会。事务处理。进化。计算：2016; 第20卷，475-480页。
[32] 甘珀尔，R。；穆勒，S.D。；库穆塔科斯，P。；差异演化的参数研究；高级智能。系统。模糊系统。进化。计算：2002; 第10卷，293-298。
[33] Deb，K。；Thiele，L。；Laumanns，M。；Zitzler，E；进化多目标优化的可扩展测试问题：伦敦，英国2005，105-145. ·Zbl 1078.90567号
[34] 田，Y。；Cheng，R。；张，X。；Jin，Y。；PlatEMO：进化多目标优化的MATLAB平台；arXiv:2017。
[35] Zitzler，E。；Thiele，L。；Laumanns，M。；丰塞卡，C.M。；Da Fonseca，副总经理。；多目标优化器的性能评估：分析与评述；电气与电子工程师协会。事务处理。进化。计算：2003; 第7卷，117-132。
[36] Tan，Y.Y。；Jiao，Y.C。；李，H。；Wang，X.K。；复杂Pareto集多目标优化问题的MOEA/D-DE改进；信息科学：2012; 第213卷，14-38页·Zbl 1251.90359号
[37] Tan，Y.Y。；Jiao，Y.C。；李，H。；Wang，X.K。；基于分解的多目标模因算法MOEA/D-SQA；工程优化：2012; 第44卷，1095-1115。
[38] Veldhuizen，D.A。；Lamont van，G.B。；多目标进化算法测试集；ACM交响乐团。申请。计算：1999; ,351-357.
[39] 佐藤，H。；阿吉雷阁下。；田中，K。；控制溶液的优势区域及其对MOEA性能的影响；进化多准则优化国际会议：柏林/海德堡，德国2007，5-20.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。