短信-EMOA

SMS-EMOA:基于支配超容量的多目标选择。超体积度量(或SS度量)是比较进化多目标优化算法(EMOA)结果的常用质量度量。新的想法是明确的目标是在优化过程中最大化占主导地位的超容量。结合非支配排序的概念,提出了一种基于超体积测度的选择算子的稳态EMOA。该算法的总体进化为一组分布良好的解,因此集中在帕累托前沿的有趣区域。将设计的SSmetric selection EMOA(SMS-EMOA)的性能与最新的两目标和三目标基准套件以及航空实际应用中的方法进行了比较。


zbMATH中的参考文献(参考 74篇文章,1标准件)

显示第1到第20个结果,共74个。
按年份排序(引用)
  1. Cocchi,Guido;Levato,Tommaso;Liuzzi,Giampaolo;Scandrone,Marco:稀疏多目标规划的基于凹优化的方法(2020)
  2. David Gaudrie;Le Riche,Rodolphe;Picheny,Victor;Enaux,Benoît;Herbert,Vincent:贝叶斯多目标优化中的目标解决方案:序列和批处理版本(2020)
  3. Guerreiro,Andreia P.;Fonseca,Carlos M.:对超容积夏普比率指标的分析(2020年)
  4. Raimundo,Marcos M.;Ferreira,Paulo A.V.;Von Zuben,Fernando J.:多目标非劣集估计算法的扩展(2020)
  5. Schütze,Oliver;Uribe,Lourdes;Lara,Adriana:梯度子空间逼近及其在双目标优化问题中的应用(2020)
  6. 郑伟;吴建宇;张成虎;孙建勇:基于聚类的勘探与开发平衡多目标进化算法(2020)
  7. Bai,Hui;Zheng,Jinhua;Yu,Guo;Yang,Shengxiang;Zou,Juan:基于Pareto的多目标进化算法,使用空间分割选择和基于角度的截断(2019)
  8. Bao,Chunteng;Xu,Lihong;Goodman,Erik D.:一种基于双档案匹配的多目标和多目标优化算法(2019)
  9. Khan,Burhan;Hanoun,Samer;Johnstone,Michael;Lim,Chee Peng;Creighton,Douglas;Nahavandi,Saeid:多目标优化的基于标量化的优势进化算法(2019年)
  10. Lin,Wu;Lin,Quzhen;Zhu,Zexuan;Li,Jianqiang;Chen,Jianyong;Ming,Zhong:基于分解的多目标优化中具有多个乌托邦参考点的进化搜索(2019)
  11. 圣地亚哥,Alejandro;Dorronsoro,Bernabe;Nebro,Antonio J.;Durillo,Juan J.;Castillo,Oscar;Fraire,Héctor J.:一种新的基于模糊逻辑的自适应算子选择的多目标进化算法:FAME(2019年)
  12. Yang,Kaifeng;Emmerich,Michael;Deutz,André;Bäck,Thomas:使用盒分解算法有效计算预期超体积改善(2019)
  13. Zhang,Hu;Sun,Jianyong;Liu,Tonglin;Zhang,Ke;Zhang,Qingfu:在多目标进化优化中平衡勘探与开发(2019)
  14. 周玉仁、何晓宇、项毅、蔡少伟:一组新的多目标连续优化测试问题及综合实验评价(2019)
  15. 邹娟,傅,刘伟,杨胜祥,郑金华,阮,甘,裴,婷瑞,王磊:基于自适应参考点的多目标进化算法(2019)
  16. Al-Dujaili,Abdullah;Suresh,S.:多目标同时乐观优化(2018)
  17. Gomes,Ricardo J.;Guerreiro,Andreia P.;Kuhn,Tobias;Paquete,Luís:超体积子集选择问题的隐式枚举策略(2018)
  18. Wong,C.S.Y.;Al-Dujaili,Abdullah;Suresh,S.;Sundararajan,N.:多目标多尺度搜索优化中更快收敛的帕累托感知策略(2018)
  19. Greiner,David;Periaux,Jacques;Emperador,Jose M.;Galván,Blas;Winter,Gabriel:基于博弈论的进化算法:Nash在结构工程优化问题中的应用综述(2017)
  20. Redondo,J.L.;Fernández,J.;Ortigosa,P.M.:FEMOA:一种快速高效的多目标进化算法(2017)