杰雷米·杜波伊斯·拉科斯特;曼纽尔·洛佩兹·伊瓦涅斯;托马斯·苏泽尔 随时进行Pareto本地搜索。 （英语） Zbl 1346.90735号 欧洲药典。物件。 243，第2期，369-385（2015）。 摘要：Pareto局部搜索（PLS）是解决多目标组合优化问题的一种简单有效的局部搜索方法。它也是解决此类问题的许多最先进算法的关键组成部分。然而，如果在完工前终止，PLS可能不是很有效。换句话说，PLS很差随时随地的行为本文研究了各种PLS算法组件对其任意时间行为的影响。我们表明，使用替代算法组件可以大大改善PLS的任何时间行为。我们还建议戴纳格里德这是一种目标空间的动态离散化，有助于PLS更快地收敛到Pareto前沿的良好近似值，并在有更多时间可用的情况下继续改进它。我们对双目标旅行商问题和双目标二次分配问题的新方案进行了详细的实证评估。我们的结果表明，新的PLS变体不仅在任何时候都比原始PLS具有更好的性能，而且在更长的计算时间或完成后也可以获得更好的结果。 引用于5文件 MSC公司： 90C29型 多目标规划 90C27型 组合优化 关键词：Pareto本地搜索;随时优化;多目标优化;旅行推销员问题;二次指派问题 软件：分散搜索;SMS-EMOA公司 PDF格式BibTeX公司 XML格式引用 \textit{J.Dubois-Lacoste}等人，欧洲期刊Oper。第243号决议，第2号，369--385（2015；Zbl 1346.90735） 全文： 内政部 链接 参考文献： [1] 安吉尔·E。；Bampis，E。；Gourvés，L.，用局部搜索逼近Pareto曲线求解双标准TSP（1,2）问题，理论计算机科学，310，1-3，135-146（2004）·Zbl 1067.90056号 [3] 比姆，N。；Naujoks，B。；Emmerich，M.，SMS-EMOA:基于支配超体积的多目标选择，《欧洲运筹学杂志》，181，3，1653-1669（2007）·Zbl 1123.90064号 [4] Drugan，M.M。；Thierens，D.，随机Pareto局部搜索算法的路径引导变异，（Schaefer，R.；Cotta，C.；Kolodziej，J.；Rudolph，G.，计算机科学讲义：第6238卷。从自然中解决并行问题，PPSN XI（2010），施普林格：施普林格-海德堡，德国），485-495 [5] Drugan，M.M。；Thierens，D.，《随机帕累托局部搜索：帕累托邻域探索和扰动策略》，《启发式杂志》，第18、5、727-766页（2012年） [6] Dubois-Lacoste，J。；López-Ibáñez，M。；Stützle，T.，《改进两阶段局部搜索的任何时间行为》，《数学与人工智能年鉴》，61，2，125-154（2011）·Zbl 1234.68362号 [7] 杜波依斯·拉科斯特，J。；López-Ibáñez，M。；Stützle，T.，用于双目标flow-shop调度问题的混合TP+PLS算法，计算机与运筹学，38，8，1219-1236（2011）·Zbl 1208.90059号 [8] Dubois-Lacoste，J。；López-Ibáñez，M。；Stützle，T.，《任意时间双目标优化的Pareto局部搜索算法》，（Hao，J.-K.；Middendorf，M.，计算机科学讲义：第7245卷。第十二届欧洲组合优化进化计算会议论文集（EvoCOP 2012）（2012），施普林格：施普林格-海德堡，德国），206-217·Zbl 1292.90267号 [10] Dubois-Lacoste，J。；López-Ibáñez，M。；Stützle，T.，结合两种搜索范式进行多目标优化：两阶段和Pareto局部搜索，（Talbi，E.-G.，计算智能研究：第434卷。混合元启发式（2013），施普林格：施普林格柏林，德国），97-117 [11] 埃尔戈特，M。；Gandibleux，X.，组合多准则优化的近似解方法，TOP，12，1，1-88（2004） [12] 埃尔戈特，M。；Gandibleux，X.，《用于多目标组合优化的混合元启发式》，（Blum，C.；Blesa，M.J.；Roli，A.；Sampels，M.，《混合元启蒙法：一种新兴的优化方法》（2008），Springer:Springer Berlin，德国），221-259 [13] 艾默里奇，M.T.M。；Fonseca，C.M.，《低维计算超体积贡献：渐近最优算法和复杂性结果》（Takahashi，R.H.C.，计算机科学讲义：第6576卷）。第六届进化多准则优化国际会议论文集（EMO 2011）（2011），施普林格：施普林格-海德堡，德国），121-135·Zbl 1214.68021号 [14] Garey，M.R。；Johnson，D.S.，《计算机与难处理性：NP-完备性理论指南》（1979），弗里曼公司：弗里曼公司，加利福尼亚州旧金山·Zbl 0411.68039号 [15] 加勒特，D。；Dasgupta，D.，多目标景观分析和广义分配问题，（Maniezzo，V.；Battiti，R.；Watson，J.-P.，计算机科学讲稿：第5313卷。第二届学习与智能优化国际会议论文集（LION 2）（2008），施普林格：施普林格-海德堡，德国），110-124 [16] Geiger，M.J.，通过Pareto迭代局部搜索方法对多目标流水作业调度的决策支持，计算机与工业工程，61，3，805-812（2011） [17] Glover，F.，《分散搜索和路径重新链接的模板》，（Hao，J.-K.；Lutton，E.；Ronald，E.M.A.；Schoenauer，M.；Snyers，D.，计算机科学讲稿：第1363卷。人工进化（1998），施普林格：施普林格-海德堡，德国），1-51 [18] Hansen，P。；Mladenovic，N.，《可变邻域搜索：原理与应用》，《欧洲运筹学杂志》，130，3，449-467（2001）·Zbl 0981.90063号 [19] 胡斯，H.H。；Stützle，T.，《随机本地搜索——基础与应用》（2005），Morgan Kaufmann出版社：Morgan Koufmann-Publishers San Francisco，CA·Zbl 1126.68032号 [20] Hussin，M.S。；Stützle，T.，求解大型二次赋值实例的禁忌搜索与模拟退火，计算机与运筹学，43，286-291（2014）·Zbl 1348.90516号 [21] Jaszkiewicz，A。；Ishibuchi，H。；Zhang，Q.，多目标模因算法，计算智能研究：第379卷。模因算法手册，201-217（2012），施普林格：施普林格柏林，德国 [22] Knowles，J.D。；Corne，D.，使用Pareto存档进化策略近似非主导前沿，进化计算，8，2149-172（2000） [23] Knowles，J.D。；Corne，D.，多目标二次分配问题的实例生成器和测试套件，（Fonseca，C.M.；Fleming，P.J.；Zitzler，E.；Deb，K.；Thiele，L.，计算机科学讲义：第2632卷。进化多准则优化第二届国际会议论文集（EMO 2003），葡萄牙法罗，2003年4月（2003），施普林格：施普林格-海德堡，德国），295-310·Zbl 1036.90542号 [24] Knowles，J.D。；科恩·D·。；Fleischer，M.，使用Lebesgue度量的有界存档，2003年进化计算大会会议记录（CEC 2003），42490-2497（2003年12月），IEEE出版社：新泽西州皮斯卡塔韦IEEE出版社 [25] Laumanns，M。；Thiele，L。；Deb，K。；Zitzler，E.，进化多目标优化中的收敛性和多样性的结合，进化计算，10，3，263-282（2002） [26] Laumanns，M。；Zenklusen，R.，随机搜索方法对固定大小Pareto前沿近似的随机收敛，《欧洲运筹学杂志》，213，2，414-421（2011）·Zbl 1222.90054号 [27] Liefoghe，A。；休谟，J。；Mesmoudi，S。；Jourdan，L。；Talbi，E.-G.，《基于支配权的多目标局部搜索：调度和旅行推销员问题的设计、实现和实验分析》，《启发式杂志》，18，2，317-352（2011）·Zbl 1358.90046号 [28] Liefoghe，A。；Mesmoudi，S。；休谟，J。；Jourdan，L。；Talbi，E.-G.，《基于优势的多目标组合优化局部搜索方法研究》，（Stützle，T.；Birattari，M.；Hoos，H.H.，计算机科学讲义：第5752卷。工程随机局部搜索算法。设计、实施和分析有效的启发式（SLS 2009）（2009），施普林格：施普林格-海德堡，德国），120-124·Zbl 1172.68312号 [29] López-Ibáñez，M。；Knowles，J.D。；Laumanns，M.，《关于目标向量的顺序在线存档》（Takahashi，R.H.C.，计算机科学讲稿：第6576卷）。第六届进化多准则优化国际会议论文集（EMO 2011）（2011），施普林格：施普林格-海德堡，德国），46-60·Zbl 1214.68021号 [30] López-Ibáñez，M。；帕奎特。；Stützle，T.，双目标二次分配问题的混合人口算法，数学建模与算法杂志，5，1，111-137（2006）·Zbl 1099.68134号 [31] 洛佩斯·伊瓦涅斯，M。；Stützle，T.，《自动改进优化算法的任何时间行为》，《欧洲运筹学杂志》，235,3569-582（2014）·Zbl 1401.90274号 [32] Loudni，S。；Boizumault，P.，结合VNS和约束编程解决任何时间优化问题，《欧洲运筹学杂志》，191705-735（2008）·Zbl 1160.90661号 [33] 欲望，T。；Teghem，J.，《多目标旅行推销员问题：调查与新方法》（Coello Coello，C.A.；Dhanens，C.；Jourdan，L.，《计算智能研究：第272卷》）。《多目标自然启发计算进展》（2010），施普林格：施普林格柏林，德国），119-141·Zbl 1187.90257号 [34] 欲望，T。；Teghem，J.，生物目标旅行推销员问题的两阶段Pareto局部搜索，启发式杂志，16，3，475-510（2010）·兹比尔1189.90145 [35] 欲望，T。；Teghem，J.，《多目标多维背包问题：一项调查和一种新方法》，《运筹学国际事务》，第19、4、495-520页（2012年）·Zbl 1277.90116号 [36] Paquete，L.，《多目标组合优化的随机局部搜索算法：方法与分析》（博士论文）（2005年），FB Informatik:FB Informationk TU Darmstadt，德国 [37] 帕奎特。；Chiarandini，M。；Stützle，T.，《生物客观性旅行推销员问题中的Pareto局部最优集：实验研究》，（Gandibleux，X.；Sevaux，M.；Sörensen，K.；T'kindt，V.，经济学和数学系统讲义：第535卷。多目标优化的元启发式（2004），施普林格：施普林格柏林，德国），177-200·Zbl 1070.90102号 [38] 帕奎特。；Schiavinotto，T。；Stützle，T.，关于多目标组合优化问题中的局部最优，运筹学年鉴，156，83-97（2007）·Zbl 1145.90067号 [39] 帕奎特。；Stützle，T.，生物对象旅行推销员问题的两阶段局部搜索，（Fonseca，C.M.；Fleming，P.J.；Zitzler，E.；Deb，K.；Thiele，L.，计算机科学讲稿：第2632卷。进化多准则优化第二届国际会议论文集（EMO 2003），葡萄牙法罗，2003年4月（2003），施普林格：施普林格-海德堡，德国），479-493·Zbl 1036.90561号 [40] 帕奎特。；Stützle，T.，具有相关流矩阵的生物目标QAP的随机局部搜索算法研究，《欧洲运筹学杂志》，169,3943-959（2006）·Zbl 1079.90113号 [41] 帕奎特。；Stützle，T.，多目标组合优化的随机局部搜索算法：综述，（Gonzalez，T.F.，近似算法和元启发式手册（2007），Chapman&Hall/CRC：Chapman和Hall/CCR Boca Raton，FL），1-15 [42] 帕奎特。；Stützle，T.，多目标旅行商问题随机局部搜索的设计与分析，计算机与运筹学，36，9，2619-2631（2009）·Zbl 1179.90302号 [43] Radulescu，A。；洛佩斯·伊瓦涅斯，M。；Stützle，T.，《自动改进多目标进化算法的任何时间行为》，（Purshouse，R.C.；Fleming，P.J.；Fonseca，C.M.；Greco，S.；Shaw，J.，计算机科学讲稿：第7811卷。进化多准则优化（EMO 2013）（2013），施普林格：施普林格-海德堡，德国），825-840 [44] Verel，S。；Liefoghe，A。；Jourdan，L。；Dhanens，C.，《关于多目标组合搜索空间的结构：具有相关目标的MNK景观》，《欧洲运筹学杂志》，227，2，331-342（2013） [45] Zilberstein，S.，在智能系统中使用任何时间算法，AI杂志，17，3，73-83（1996） [46] Zitzler，E。；Thiele，L。；Laumanns，M。；丰塞卡，C.M。；Grunert da Fonseca，V.，多目标优化器的性能评估：分析和综述，IEEE进化计算汇刊，7，2117-132（2003） 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。