马雪敏;杨景明;孙浩;胡子玉;魏立新 动态多目标优化问题的特征信息预测算法。 (英语) Zbl 1490.90271号 欧洲药典。物件。 295,第3期,965-981(2021). 摘要:动态多目标优化问题(DMOP)在跟踪变化的帕累托最优前沿(PF)或帕累托优化集(PS)时,包含多个相互冲突的目标。大多数算法将DMOP的解视为处理静态多目标优化问题。然而,不同环境下的解可能服从不同的分布。为了解决现有方法存在的一些局限性,提出了一种基于特征信息预测的动态多目标优化算法。为了识别环境变化后解决方案的分布,使用联合分布自适应(JDA)构造映射函数。在当前时间步长从目标空间提取的特征信息被映射到更高维的空间。然后利用内点法得到下一时间步决策空间的特征信息。根据此信息,当检测到更改时,将生成下一时间步的初始填充。通过在八个基准函数上与四种最先进的进化算法进行比较,验证了FIP的性能。实验结果表明,FIP可以快速覆盖快速变化的环境。 引用于1文件 MSC公司: 90C29型 多目标规划 90立方厘米 动态编程 90 C59 数学规划中的近似方法和启发式 关键词:进化计算;动态多目标优化;不同的分布;特征信息预测;联合分布适应 软件:RM-MEDA公司 PDF格式BibTeX公司 XML格式引用 \textit{X.Ma}等人,《欧洲期刊》。第295号决议,第3号,965--981(2021;Zbl 1490.90271) 全文: 内政部 参考文献: [1] 阿里,M。;Siarry,P.等人。;Pant,M.,《解决多目标优化问题的基于差分进化的高效算法》,《欧洲运筹学杂志》,217404-416(2012)·Zbl 1244.90203号 [2] Barbosa,H.J.C。;Bernardino,H.S。;Angelo,J.S.,《用于优化的改进差分进化算法(包括线性等式约束)》,模因计算,11,317-329(2018) [3] Bengoetxea,E。;Larranaga,P.,EDA-PSO:结合分布算法估计和粒子群优化的混合范式,群体智能国际会议论文集,416-423(2010),施普林格:施普林格柏林,海德堡 [4] Bui,L.T。;Michalewicz,Z。;帕金森,E。;Abello,M.B.,《动态环境中的适应:任务规划中的案例研究》,IEEE进化计算汇刊,16,2,190-209(2012) [5] 曹,L。;徐亚,L。;埃里克。古德曼;Li,H.,使用差分模型的基于分解的进化动态多目标优化,应用软计算,76473-490(2019) [6] 陈,R。;李凯。;Yao,X.,目标数量变化的动态多目标优化,IEEE进化计算汇刊,22,1,157-171(2016) [7] Ciaccia,P。;Patella,M.,用用户定义的距离和近似距离在度量空间中搜索,ACM数据库系统事务,27,4,398-437(2002) [8] 科埃罗,C.A.C。;Cortes,N.C.,使用人工免疫系统解决多目标优化问题,遗传编程和进化机器,6,2,163-190(2005) [9] 科埃罗,C.A.C。;Pulido,G.T。;Lechuga,M.S.,用粒子群优化处理多目标,IEEE进化计算汇刊,8,3,256-279(2004) [10] Deb,K。;Gupta,S.,理解双准则问题中的拐点及其作为首选解决方案原则的含义,工程优化,43,11,1175-1204(2011) [11] Deb,K。;普拉塔普,A。;阿加瓦尔,S。;Meyarivan,T.,一种快速的精英多目标遗传算法:NSGA-II,IEEE进化计算汇刊,6,2,182-197(2002) [12] Deb,K。;Rao,U.B。;S、 K.,使用改进的NSGA-II进行动态多目标优化和决策:水力发电调度的案例研究,进化多准则优化国际会议论文集,803-817(2007),Springer:Springer Berlin,Heidelberg [13] 德拉克,J。;南卡罗来纳州加西亚。;莫利纳,D。;Herrera,F.,《关于使用非参数统计测试作为比较进化和群体智能算法的方法的实用教程》,swarm and evolutionary Computation,1,3-18(2011) [14] 法里纳,M。;Deb,K。;Amato,P.,《动态多目标优化问题:测试用例、近似和应用》,IEEE进化计算汇刊,8,5,425-442(2004) [15] Goh,C.K.先生。;Tan,K.C.,动态多目标优化的竞争-合作协同进化范式,IEEE进化计算汇刊,13,1,103-127(2009) [16] 格雷顿,A。;博格沃德,K.M。;Rasch,M.J。;Schölkopf,B。;Smola,A.J.,两样本问题的核方法,2007年神经信息处理系统进展会议论文集,513-520(2007) [17] Tsionas,M.G.,《使用统计模型的多目标优化》,《欧洲运筹学杂志》,276364-378(2019)·Zbl 1430.90520号 [18] 关,美国。;陈,Q。;MO,W.,带目标替换的演化动态多目标优化问题,《人工智能评论》,23,3,267-293(2005) [19] 美国华盛顿州西雅图 [20] 赫尔比格,M。;Deb,K。;Engelbrecht,A.,动态多目标优化的关键挑战和未来方向,IEEE进化计算大会论文集,1-5(2016) [21] 新加坡 [22] Helbig,M.和Engelbrecht,A.P.(2015)。CEC 2015特别会议和动态多目标优化竞赛的基准函数。技术报告(第1-7页)。 [23] 霍兰德,M。;Wolfe,D.A。;Chicken,E.,非参数统计方法(1999),Wiley:美国纽约州Wiley New York·Zbl 0997.62511号 [24] 胡,W。;Yen,G.G。;Luo,G.,使用两阶段策略和并行单元坐标系的多目标粒子群优化,IEEE控制论汇刊,47,6,1446-1459(2016) [25] Hu,Z。;魏,Z。;马,X。;Sun,H。;Yang,J.,高速冷连轧机轧制规程的多参数深度感知和多目标自主控制,ISA Transactions,102,193-207(2020) [26] Hu,Z。;魏,Z。;Sun,H。;杨,J。;Wei,L.,《使用软计算方法优化金属轧制控制:综述》,《工程计算方法档案》,2019年第2期,第1-17页 [27] Hu,Z。;杨,J。;崔,H。;Wei,L。;Fan,R.,MOEA3D:基于优势和分解的概率分布模型的MOEA,《软计算》,第23期,第1219-1237页(2019年) [28] Hu,Z。;杨,J。;Sun,H。;Wei,L。;Zhao,Z.,一种基于环境和历史信息的改进多目标进化算法,神经计算,222170-182(2017) [29] 美国华盛顿州西雅图 [30] 江,M。;黄,Z。;邱,L。;黄,W。;G.Yen,G.,基于转移学习的动态多目标优化算法,IEEE进化计算汇刊,22,4,501-514(2016) [31] 江,M。;邱,L。;黄,Z。;Yen,G.G.,基于域自适应和非参数估计的分布算法的动态多目标估计,信息科学,435203-223(2018)·Zbl 1447.62036号 [32] 江,S。;Yang,S.,基于参考方向的多目标和多目标优化强度帕累托进化算法,IEEE进化计算汇刊,21,3,329-346(2017) [33] 李,M。;Yang,S。;李凯。;Liu,X.,多目标优化问题基于分段搜索的进化算法,IEEE控制论汇刊,44,8,1295-1313(2013) [34] 李强。;邹,J。;Yang,S。;郑洁。;Gan,R.,进化动态多目标优化的基于特殊点的预测策略,软计算,237723-3739(2019) [35] 林,Q。;李,J。;杜,Z。;陈,J。;Ming,Z.,一种新型多目标多搜索策略粒子群优化算法,《欧洲运筹学杂志》,247732-744(2015)·Zbl 1346.90742号 [36] 刘,R。;李,J。;范,J。;Jiao,L.,基于分解和预测的动态多种群粒子群优化算法,应用软计算,73434-459(2018) [37] 刘,R。;李,J。;范,J。;Mu,C。;Jiao,L.,基于多温粒子群优化的动态多目标优化协同进化技术,《欧洲运筹学杂志》,2681028-1051(2017)·Zbl 1403.90611号 [38] 澳大利亚新南威尔士州悉尼 [39] 龙,Q。;吴,C。;黄,T。;Wang,X.,无约束多目标优化的遗传算法,Swarm和进化计算,22,1-14(2015) [40] 马,X。;杨,J。;Sun,H。;Hu,Z。;Wei,L.,动态多目标优化的多区域协同进化算法,信息科学,545,1-24(2021)·Zbl 1475.90135号 [41] Mavrovouniotis;米查利斯;李,C。;Yang,S.,《用于动态优化的群体智能调查:算法和应用》,《群体与进化计算》,33,1-17(2017) [42] 墨西哥Tuxtla Gutierrez [43] Muruganantham,A。;Tan,K.C。;Vadakkepat,P.,《通过卡尔曼滤波器预测进行进化动态多目标优化》,IEEE控制论汇刊,46,12,1-12(2015) [44] 潘,S.J。;Tsang,I.W。;郭敬通(Kwok,J.T.)。;Yang,Q.,通过传输组件分析进行域自适应,IEEE神经网络汇刊,22,2,199-210(2011) [45] 中国北京 [46] 彭,Z。;郑洁。;邹,J。;Liu,M.,动态多目标优化的新型预测和记忆策略,软计算,19,9,2633-2653(2015) [47] 荣,M。;龚,D。;Zhang,Y。;Jin,Y。;Pedrycz,W.,动态多目标优化问题的多方向预测方法,IEEE控制论汇刊,99,1-13(2018) [48] 阮,G。;Yu,G。;郑洁。;邹,J。;Yang,S.,动态多目标优化中多样性保持对预测的影响,应用软计算,58631-647(2017) [49] 斯坦瓦特;Ingo,论核对支持向量机一致性的影响,机器学习研究杂志,2,67-93(2002)·Zbl 1009.68143号 [50] Tang,L。;Wang,X.,多目标优化问题的混合多目标进化算法,IEEE进化计算汇刊,17,1,20-45(2013) [51] 魏,Z。;杨,J。;Hu,Z。;Sun,H.,《基于环境信息的多目标优化自适应分解进化算法——科学导向》,ISA Transactions(2020) [52] 夏,B。;巴塔尔,N。;任,Z。;Koh,C.S.,《一种数值高效的多目标优化算法:动态泰勒克里金和微分进化的结合》,IEEE磁学汇刊,51,3,1-4(2015) [53] 熊,Z。;杨,J。;Hu,Z。;赵,Z。;Wang,X.,基于角度和聚类的进化多目标优化算法,应用智能,1-18(2020) [54] 扎佐,S。;Borrallo,J.M.P.,基于广义瑞利商的新的多信道盲均衡准则,IEEE声学、语音和信号处理国际会议论文集,3457-3460(1997) [55] 张,Q。;周,A。;Jin,Y.,RM-MEDA:基于正则模型的分布算法多目标估计,IEEE进化计算汇刊,12,1,41-63(2008) [56] Zhang,Y。;魏,H。;乔毅,《数字社区网络中的多通道高清视频流:视频速率自适应和回放调整》,IEEE消费电子交易,53,4,1449-1455(2008) [57] 赵,Z。;杨,J。;Hu,Z。;Che,H.,无约束优化问题的基于对称拉丁超立方体设计的具有自适应策略和控制参数的差分进化算法,欧洲运筹学杂志,250,1,30-45(2016)·Zbl 1346.90832号 [58] 周,A。;Jin,Y。;张奇,进化动态多目标优化的种群预测策略,IEEE控制论汇刊,44,1,40-53(2013) [59] 邹,J。;李强。;Yang,S。;Bai,H。;Zheng,J.,基于中心点和拐点的进化动态多目标优化预测策略,应用软计算,61806-818(2017) [60] 邹,J。;李强。;Yang,S。;郑洁。;彭,Z。;Pei,T.,基于动态进化环境模型的动态多目标进化算法,Swarm and evolutionary Computation,44,247-259(2019) 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。