PAES公司

Pareto存档进化策略(PAES)是一种多目标优化算法,它使用一种简单的(1+1)局部搜索进化策略。然而,它能够在Pareto最优集中找到不同的解决方案,因为它保存了一个非支配解决方案的档案,利用这些档案可以准确地估计新候选解决方案的质量。已经开发了三个版本(1+1)、(1+lambda)和(mu+lambda)-pae。每一个版本都经过了两个著名的多目标进化算法的测试——小生境帕累托遗传算法(NPGA)和非支配排序遗传算法(NSGA)。使用五个测试函数(f2-f6)进行测试,并使用Fonseca和Fleming介绍的统计技术处理结果。每个测试函数的C代码和统计技术如下所示。如果你使用这些资源,请给我发一封电子邮件。


zbMATH中的参考文献(参考文献93篇文章)

显示结果1到20,共93个。
按年份排序(引用)
  1. 穆罕默德,阿布霍瓦什;穆罕默德·杰米尔;Deb,Kalyanmoy:多目标优化中使用Benson方法的最优性的光滑逼近测度(2020)
  2. 格罗蒂,埃沃顿;水岛,道格拉斯·马科托;巴克斯,阿图尔·迪格斯;德弗雷塔斯·奥鲁奇,马科斯·丹尼尔;Gomes,Herbert Martins:悬架优化的多目标量子粒子群算法(2020)
  3. 塞尔苏克卢、萨尔图克布乌拉;大卫,科尤。;Felder,Frank A.:用于评估和比较随机多目标问题解的帕累托不确定性指数(2020)
  4. 沃特斯,乔兰;基恩,安迪;Degroote,Joris:约束多目标异步代理优化的自适应填充准则的开发(2020)
  5. 阿米特,库马尔;达斯,德巴西什;Pratihar,Dilip Kumar:建立过程投入产出关系的多目标优化和聚类回归分析(2018)
  6. 段祺斌;Kroese,Dirk P.:多目标优化分裂(2018)
  7. 梁,克里斯·S·K。;Lau,Henry Y.K.:基于人工免疫系统的配送中心多目标仿真优化(2018)
  8. 海达,海瑟姆;Deb,Kalyanmoy:基于非支配排序的多/多目标优化:20年的研究与应用(2018)
  9. 森古普塔、劳纳克;Saha,Sriparna:基于参考点的存档多目标模拟退火(2018)
  10. 隋丽琪;费塞尔,皮埃尔;Denoeux,Thierry:信念函数框架中弹性性质的识别(2018)
  11. 文特雷斯卡,马里奥;哈里森,凯尔·罗伯特;Ombuki Berman,Beatrice M.:双目标关键节点检测问题(2018)
  12. 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)
  13. 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)
  14. 塔诺斯,亚里士多德E。;塞利克,努尔辛;Sáenz,Juan P.:多目标优化的进化序列抽样算法(2016)
  15. 刘林忠;穆海波;杨菊华:约束多准则优化中的一般约束处理技术及其应用(2015)
  16. 龙,羌;吴长治;王向玉;江、林;李觉友:基于离散选择过程的多目标遗传算法(2015)
  17. 尚荣华;王玉英;王佳;焦立成;王朔;齐立平:多目标带容量弧路由问题的多种群协同进化算法(2014)
  18. Akay,Bahriye:基于同步和异步Pareto的多目标人工蜂群算法(2013)
  19. 伊多姆加尔,拉桑;谢琳,尼古拉斯;夏瑞,帕特里克;罗氏,罗宾;Miraoui,Abdellatif:用于连续优化的混合ICA-PSO算法(2013)
  20. 奥尔特加,费尔南多;桑切斯,何塞-路易斯;博巴迪拉,杰斯;Abraham Gutiérrez:使用Pareto优势改进基于协作过滤的推荐系统结果(2013)ioport公司