比萨

PISA由两部分组成:PISA是一个基于文本的搜索算法接口。它将优化过程分为两个模块。问题的所有部分(例如,问题的所有部分的解决方案的评价)。另一个模块包含与优化问题无关的部分(主要是选择过程)。这两个模块作为单独的程序实现,通过文本文件进行通信。PISA是一个现成的模块库,即优化问题(测试和基准测试问题)、选择模块(进化多目标优化器)和性能评估模块。


zbMATH中的参考文献(参考文献62条,1标准件)

显示第1到第20个结果,共62个。
按年份排序(引用)
  1. 汉森,尼古拉斯;奥格,安妮;罗斯,雷蒙德;梅斯曼,奥拉夫;图沙尔,茶;Brockhoff,Dimo:COCO:一个用于比较黑盒环境中连续优化器的平台(2021)
  2. 德雷克,约翰H。;艾哈迈德·凯里;厄兹坎,恩德;伯克,埃德蒙K.:选择超启发式的最新进展(2020)
  3. 贝尼特斯·伊达尔戈,A。;内布罗,AJ;加西亚·尼托,J。;俄勒吉州。;Del Ser,J.:jMetalPy:一个基于元启发式的多目标优化的Python框架(2019)阿尔十四
  4. 格格尔,维克托;Kozinov,Evgeny:基于搜索信息密集重用的高效多准则优化(2018)
  5. 卡皮塔内斯库,F。;马武利亚,A。;贝内托,E。;艾哈迈迪,A。;Tiruta Barna,L.:基于线性规划的昂贵多目标优化问题的定向局部搜索:在饮用水生产厂的应用(2017)
  6. 克里斯托弗,科托尼姆。;Terzić,Balša:解耦线性和非线性机制:非线性多维优化的效率评估(2017)
  7. 雷东多,J.L。;费尔南德斯,J。;Ortigosa,P.M.:Femoia:一种快速有效的多目标进化算法(2017)
  8. 叶田,程冉,张兴义,金耀初:PlatEMO:MATLAB进化多目标优化平台(2017)阿尔十四
  9. 马蒂,路易斯;加西亚,杰斯;安东尼奥·贝朗加;Molina,JoséM.:MONEDA:基于神经网络的分布估计算法的可伸缩多目标优化(2016)
  10. 马夫罗塔斯,乔治;弗洛里奥斯,科斯塔斯;Figueira,JoséRui:多目标多维背包问题基于核心的改进算法:计算研究与元启发式比较(2015)
  11. 安东内利,米歇拉;杜康吉,皮埃特罗;Marcelloni,Francesco:一种快速有效的基于模糊规则的分类器的多目标进化学习方案(2014)
  12. 科米斯达朗科,克劳迪奥;庞扎,丽塔;Benini,Ernesto:航空气动外形优化:快速有效的多目标方法(2014)
  13. 德尼修克,罗马人;科斯塔,利诺;Santo,Isabel Esírito:基于下降方向的广义多目标进化算法(2014)
  14. 德贝尔,比勒;休谟,杰瑞米;利福格,阿诺;Verel,Sébastien:分布式局部双目标搜索(2014)
  15. 叶夫图申科,于。G、 。;Posypkin,M.A.:在保证精度的情况下解决多准则优化问题的非均匀覆盖方法(2014)
  16. 安东内利,米歇拉;杜康吉,皮埃特罗;Marcelloni,Francesco:回归问题的有效多目标进化模糊系统(2013)
  17. 达马尼,纳迪亚;萨乌森·克里钦;弗朗索瓦克拉蒂奥;Talbi,El Ghazali:双目标二维向量包装问题多目标进化算法的比较研究(2013)
  18. 弗鲁托斯,马里亚诺;托梅,费尔南多:作业车间调度问题的多目标模因算法(2013)
  19. 休默,J。;利福格,A。;塔尔比,例如-G。;Verel,S.:ParadisEO MO:从适应度景观分析到有效的局部搜索算法(2013)
  20. 金,玄金;Liou,Meng Sing:多目标遗传算法的新适应度共享方法(2013)

更多出版物请访问:http://www.tik.ee.ethz.ch/sop/publications/