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至今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局限于目标数较少的问题。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。详细地,我们提出了一种用于多目标优化的超体积估计算法HypE,通过该算法可以在估计精度和可用计算资源之间进行权衡;因此,基于超卷的搜索不仅使许多客观问题变得可行,而且运行时可以灵活调整。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。实验结果表明,与现有的多目标进化算法相比,HypE对许多目标问题都是高效的。HypE可从以下网址下载http://www.tik.ee.ethz.ch/sop/download/supplementary/hype/


zbMATH中的参考文献(参考文献63条)

显示第1到第20个结果,共63个。
按年份排序(引用)
  1. 比诺伊斯,米凯尔;皮切尼,维克托;泰兰德,帕特里克;Habbal,Abderrahmane:多目标贝叶斯优化的Kalai-Smorodinsky解决方案(2020)
  2. 格雷罗,安德烈亚P。;Fonseca,Carlos M.:超容积夏普比率指标分析(2020年)
  3. 黑尔,约书亚Q。;朱鹤林;周恩禄:控制测度:求解多目标优化问题的新尺度(2020)
  4. Liang,Liang:一种融合多目标帝国分割算法(2020)
  5. 罗哈斯·冈萨雷斯,塞巴斯蒂安;van Nieuwenhuyse,Inneke:基于kriging的多目标仿真优化填充算法综述(2020)
  6. 张旭伟;刘浩;涂、梁平;赵健:一种基于水平群优化算法的高效多目标优化算法(2020)
  7. 郑、卫;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)
  8. 白族、回族;郑金华;余、郭;杨胜祥;邹娟: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)
  9. 包春藤;徐丽红;Goodman,Erik D:一种新的基于双档案匹配的多目标和多目标优化算法(2019)
  10. 查巴内、卜拉欣;巴塞尔,马修;郝金高:求解实际多目标问题的基于Lorenz优势的算法(2019)
  11. 陈敏荣;曾国强;吕康迪:一种基于自适应混合变异操作的多目标种群极值优化算法(2019)
  12. 艾米斯,Gülcin;Akkan,Can: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)
  13. 可汗,布尔汗;哈农,萨默尔;约翰斯顿,迈克尔;林志鹏;克莱顿,道格拉斯;Nahavandi,Saeid:基于标量化的多目标优化优势进化算法(2019)
  14. 李浩然;何法志;阎晓虎: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)
  15. 刘海涛;杜伟;郭朝霞:多目标优化的单目标引导多种群进化算法(2019)
  16. 刘永琪;秦、回;张振东;姚立强;王超;莫,李;欧阳朔;李杰:多目标优化的区域搜索进化算法(2019)
  17. 塔赫马塞比,萨哈尔;莫拉迪,帕勒姆;古德西,锡亚马克;Abdollahpouri,Alireza:复杂网络社区检测的基于理想点的多目标优化(2019)
  18. 王鹏;朱文;刘海华;廖波;蔡丽君;魏晓辉;任思齐;杨佳良:基于MOEA/D子问题关系的资源配置新策略(2019)
  19. 张虎;孙建勇;刘同林;张科;张庆福:多目标进化优化中的勘探与开发平衡(2019)
  20. 周家军;姚、西凡;陈,费利克斯T。S、 。;高、梁;静、宣;李新宇;林颖子;李云:基于分解的方向向量自适应和选择增强进化算法(2019)