炒作

HypE:一种基于快速超体积的多目标优化算法。在演化多准则优化领域中,超体积指标是唯一已知的关于Pareto优势严格单调的单集质量度量:当一个Pareto集近似完全控制另一个Pareto集近似时,优势集的指标值也会更好。这个性质对于涉及大量目标函数的问题具有很高的兴趣和相关性。然而,超体积计算所需的大量计算工作迄今为止阻碍了这一指标潜力的充分发挥;目前基于超体积的搜索算法仅限于目标较少的问题。本文针对这一问题,提出了一种快速搜索算法,利用蒙特卡罗模拟来近似精确的超体积值。其主要思想并不是说实际的指标值很重要,而是由超容量指标诱导的解决方案排名。该算法不仅可以灵活地对资源进行多目标优化,而且可以灵活地对多个资源进行多目标优化。此外,我们还展示了如何使用相同的原则来统计比较不同多目标优化器相对于超容量的结果,到目前为止,统计测试仅限于目标较少的场景。多目标进化算法的多目标比较表明,多目标进化算法是非常有效的。HypE可从http://www.tik.ee.ethz.ch/sop/download/supplementary/HypE下载/


zbMATH参考文献(46篇文章引用)

显示结果1到20,共46个。
按年份排序(引用)
  1. Guerreiro,Andreia P.;Fonseca,Carlos M.:对超容积夏普比率指标的分析(2020年)
  2. Rojas Gonzalez,Sebastian;van Nieuwenhuyse,Inneke:基于kriging的多目标仿真优化填充算法综述(2020)
  3. Chabane,Brahim;Basseur,Matthieu;Hao,Jin Kao:解决实际多目标问题的基于Lorenz优势的算法(2019)
  4. Ermis,Gülcin;Akkan,Can:利用基于网络的鲁棒性度量改进时间表问题中的帕累托前沿的搜索算法(2019)
  5. 李浩然;何发志;严小虎:IBEA-SVM:一种基于支持向量机的分类预选择的指标进化算法(2019)
  6. 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)
  7. 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)
  8. Luo,Naili;Li,Xia;Lin,Quzhen:使用目标子空间提取对多个目标优化问题进行目标约简(2018)
  9. Feliot,Paul;Bect,Julien;Vazquez,Emmanuel:约束单目标和多目标优化的贝叶斯方法(2017)
  10. 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)
  11. Liu,Chao;Yan,Bai;Gao,Yang:一种新的基于超体积的差分进化算法用于多目标优化(2017)
  12. Steponaviė,Ingrida;Hyndman,Rob J.;Smith Miles,Kate;Villanova,Laura:帕累托最优集逼近的动态算法选择(2017)
  13. 王春春;季志成;王燕:一种基于分解的多目标柔性作业车间调度问题的新模因算法(2017)
  14. 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
  15. 左慈莉;吴良红;曾,赵富;魏华亮:基于随机分形的多目标果蝇优化(2017)
  16. Cubukcuoglu,Cemre;Chatzikonstantinou,Ioannis;Tasgetiren,Mehmet Fatih;Sariyildiz,I.Sevil;Pan,Quan Ke:浮动住区可持续设计的多目标和谐搜索算法(2016)
  17. 雷洪涛;王睿;拉波特,吉尔伯特:用协同进化算法求解多目标动态随机分配和路由问题(2016)
  18. Martí,Luis;García,Jesús;Berlanga,Antonio;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)
  19. 张兴义;田,叶;金耀初:进化多目标优化的近似非支配排序(2016)
  20. 曹永涛;史密克,Byran J.;Robinson,Timothy J.:用超体积指标比较帕累托前沿:多准则优化实验设计的应用(2015)