蒙尼达 swMATH ID: 19793 软件作者: 路易斯·马蒂;加西亚,杰苏斯;安东尼奥·贝兰加;何塞·莫利纳。 描述: MONEDA:基于神经网络的分布估计算法的可扩展多目标优化。分布估计算法(EDA)向多目标领域的扩展导致了多目标优化EDA(MOEDA)。大多数MOEDA仅限于将单目标EDA移植到多目标领域。尽管MOEDA已被证明是一种有效的方法,但最后一点是实现“标准”多目标优化进化算法显著改进的障碍。调整建模算法是取得实质性进展的一种方法。到目前为止,EDA使用的大多数建模方案都采用了离线机器学习方法。然而,模型构建问题具有特定的要求,这些方法无法满足甚至无法规避这些要求。本文的重点是模型构建问题,以及大多数MOEDA是如何正确理解和解决这一问题的。我们深入探究了这件事的根源,并对其原因进行了假设。为了更深入地理解这个主题,我们提出了一种新的算法,旨在克服当前MOEDA的缺点。这种新算法是多目标神经分布估计算法(MONEDA)。MONEDA使用一种改进的生长神经气体网络进行模型构建(MB-GNG)。MB-GNG是一种满足上述要求的定制聚类算法。MONEDA凭借其定制的建模算法、精英个体的保留及其个体替换方案,能够大规模解决连续多目标优化问题。在一组质量指标和计算资源需求方面,它的性能优于类似算法。 主页: http://link.springer.com/article/10.1007%2Fs10898-016-0415-7 关键词: 多目标优化问题;分布算法的估计;建模问题;神经网络;生长神经气体 相关软件: 表情符号;SPEA2公司;MOEA/天;加权超卷;HypE公司;RM-MEDA公司;PRMLT公司;达奇;O配置文件;PAES公司;机动脚踏车;国际学生成绩评估 引用于: 5文件 全部的 前5名12位作者引用 三 安东尼奥·贝兰加 三 杰苏斯·恩里克·加西亚 三 路易斯·马蒂 三 何塞·曼努埃尔·莫利纳 1 杰恩·格拉尔 1 郝国胜 1 黄,韩 1 林梦浩 1 Ong,Yew-Soon先生 1 Probst,麦芽 1 弗兰茨·罗特劳夫 1 王盖革 5篇连载文章中引用 1 信息科学 1 全球优化杂志 1 欧洲运筹学杂志 1 数学与人工智能年鉴 1 软计算 在4个字段中引用 5 运筹学、数学规划(90-XX) 2 计算机科学(68至XX) 1 组合数学(05-XX) 1 数值分析(65-XX) 按年份列出的引文