×
Ergul，Engin Ufuk公司;伊利亚斯·埃米诺格鲁

DOPGA：一种新的多目标进化算法适应度分配方案。 （英语） Zbl 1307.90203号

国际期刊系统。科学。，普林克。申请。系统。集成。 45，第3期，407-426（2014）.
摘要：本文提出了一种新的适应度分配方案来评估多目标进化算法的帕累托最优解。所提出的个体遗传算法（DOPGA）方法的命名能力可以以每个个体（所谓的解决方案）都可以具有唯一秩的形式对个体进行排序。使用这种新方法，可以将多目标问题视为一个单目标问题，而不会严重偏离Pareto定义。在DOPGA中，解的相对位置嵌入到适应度分配过程中。在12个无约束双目标和一个三目标测试问题上，我们将该算法与两个基准进化算法（Strength Pareto evolutionary algorithm（SPEA）和Strength Pareto Evalutionary algorithm2（SPEA2））的性能进行了比较。DOPGA在所有测试问题上都显著优于SPEA。就所有测试问题的收敛度量而言，DOPGA的性能优于SPEA2。此外，DOPGA发现的Pareto-optimal解决方案在13个测试问题中的8个问题上的分布比SPEA2好。

理学硕士：

90 C59 数学规划中的近似方法和启发式
90C29型 多目标规划

关键词：

体能分配;统治权;DOPGA公司;进化算法;SPEA和SPEA2;测试功能

软件：

SPEA2公司;DOPGA公司
PDF格式BibTeX公司 XML格式引用
\textit{E.U.Ergul}和\textit{I.Eminoglu}，国际期刊系统。科学。，普林克。申请。系统。集成。45，第3号，407--426（2014；Zbl 1307.90203）
全文： 内政部

参考文献：

[1] Abbass，H A.Sarker，R.和Newton，C.（2001），“PDE:多目标优化问题的Pareto前沿差分进化方法”，摘自《进化计算大会论文集》，IEEE服务中心，韩国首尔，第2卷，第971–978页
[2] DOI:10.1016/j.ejor.2006.08.008·Zbl 1123.90064号 ·doi:10.1016/j.ejor.2006.08.008
[3] DOI:10.1007/s12293-011-0072-9·doi:10.1007/s12293-011-0072-9
[4] 内政部：10.1080/00207721.2011.618645·Zbl 1307.90202号 ·doi:10.1080/00207721.2011.618645
[5] 内政部：10.1109/91.324806·数字对象标识代码：10.1109/91.324806
[6] 内政部：10.1007/BF03325101·doi:10.1007/BF03325101
[7] 内政部：10.1109/MCI.2006.1597059·doi:10.1109/MCI.2006.1597059
[8] 内政部：10.1109/TEVC.2004.826067·doi:10.1010/TEVC.2004.826067
[9] Deb K，《使用进化算法的多目标优化》（2001）
[10] 内政部：10.1109/4235.996017·数字对象标识代码：10.1109/4235.996017
[11] Deb，K.Thiele，L.，Laumanns，M.，and Zitzler，E.（2002b），“可扩展多目标优化测试问题”，《2002年进化计算大会论文集》，第1卷，第825-830页
[12] Fonseca，C M.和Fleming，P.J.（1993），“多目标优化的遗传算法：公式化、讨论和泛化”，《第五届遗传算法国际会议论文集》，第416–423页
[13] Goldberg D E，搜索、优化和机器学习中的遗传算法（1989）·Zbl 0721.68056号
[14] 内政部：10.1007/BF01759923·doi:10.1007/BF01759923
[15] Horn，J.Nafploitis，N.和Goldberg，D.E.（1994），“用于多目标优化的利基Pareto遗传算法”，《第一届IEEE进化计算会议论文集》，第82-87页
[16] 内政部：10.1109/TEVC.2003.817234·doi:10.1109/TEVC.2003.817234
[17] 内政部：10.1162/10636560056868167·doi:10.1162/10636560056868167
[18] 内政部：10.1109/TEVC.2008.925798·doi:10.1109/TEVC.2008.925798
[19] 数字对象标识码：10.1007/s10589-009-9241-x·Zbl 1209.90314号 ·数字对象标识代码：10.1007/s10589-009-9241-x
[20] 内政部：10.1016/0305-0548（80）90014-3·doi:10.1016/0305-0548（80）90014-3
[21] Schaffer，J D.（1984），“使用向量评估遗传算法进行机器学习的一些实验”，田纳西州纳什维尔范德比尔特大学博士论文
[22] DOI:10.1162/evco.1994.2.3.221·doi:10.1162/evco.1994.2.3.221
[23] Talaslioglu，T.（2011），“根据LRFD-AISC对格栅系统进行多目标设计优化”，《土木工程进展》，第24页。doi:10.1155/2011/932871（文章ID932871）·doi:10.1155/2011/932871
[24] Zhang，Q.Liu，W.和Li，H.（2009），“新版MOEA/D在CEC09无约束MOP测试实例上的性能”，《CEC'09进化计算大会第十一届会议记录》，第203–208页
[25] DOI:10.1016/j.swevo.2011.03.001·doi:10.1016/j.swevo.2011.03.001
[26] Zitzler，E.Laumanns，M.和Thiele，L.（2001），“SPEA2：改进强度Pareto进化算法”，TIK-Report 103，瑞士联邦理工学院，苏黎世
[27] 内政部：10.1109/4235.797969·doi:10.1109/4235.797969
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。