RM-MEDA公司

RM-MEDA:一种基于正则模型的多目标分布估计算法。在较温和的条件下,由Karush-Kuhn-Tucker条件可以得到连续多目标优化问题在决策空间中的Pareto集是一个分段连续(m-1)-D流形,其中m是目标个数。基于这种规律性,我们提出了一种基于正则模型的多目标分布估计算法(RM-MEDA)。在每一代算法中,该算法通过一个以(m-1)-D分段连续流形为质心的概率分布在决策空间中对一个有希望的区域进行建模。该模型采用局部主成分分析算法。从建立的模型中抽取新的试验解。基于非支配排序的选择用于为下一代选择解决方案。系统实验表明,总体而言,在一组具有可变链接的测试实例上,RM-MEDA优于其他三种最先进的算法,即GDE3、PCX-NSGA-II和美的。我们证明了与GDE3相比,RM-MEDA对算法参数不敏感,并且在非线性变量链的情况下对决策变量的数量具有良好的可扩展性。本文还指出并讨论了RM-MEDA的一些不足之处。

这个软件也是同行评审按日记帐汤姆斯.


zbMATH参考文献(24篇文章引用)

显示第1到第20个结果,共24个。
按年份排序(引文)
  1. 刘聪;陈倩倩;陈英霞;刘洁:一种基于多指标组合的快速多目标模糊聚类(2019)
  2. 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)
  3. Kukkonen,Saku;Coello Coello,Carlos A.:数值和进化优化的广义差分进化(2017)
  4. 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)
  5. Li,Ke;Kwong,Sam;Deb,Kalyanmoy:进化多目标优化的双种群范式(2015)
  6. 朱晓舒;张杰;冯俊红:基于PAM和均匀设计的多目标粒子群优化算法(2015)
  7. Alberto,Isolina;Coello Coello,Carlos A.;Mateo,Pedro M.:用于进化多目标优化的变异算子的比较研究(2014)
  8. Giagkiozis,I.;Purshouse,R.C.;Fleming,P.J.:多目标优化的广义分解和交叉熵方法(2014)
  9. Li,Yangyang;Xu,Xia;Li,Peidao;Jiao,Licheng:通过本地学习改进RM-MEDA(2014)ioport公司
  10. 侯立强;蔡元利;张荣志;李继生:基于证据理论的微型火星探测器多学科稳健优化设计(2013)ioport公司
  11. Jiao,L.C.;Wang,Handing;Shang,R.H.;Liu,F.:基于方向向量的协同进化多目标优化算法(2013)
  12. Martí,Luis;García,Jesús;Berlanga,Antonio;Molina,JoséM:基于自适应共振理论的分布估计算法的多目标优化(2013)
  13. Tan,Yan Yan;Jiao,Yong chang;Li,Hong;Wang,Xin kuan:MOEA/D+均匀设计:多目标优化问题的MOEA/D新版本(2013)
  14. 周爱民;高、峰;张桂旭:基于分解的多目标旅行商问题分布估计算法(2013)
  15. 龚茂国;张凌军;马景静;焦立成:基于多目标免疫算法的动态社会网络社区检测(2012)
  16. 谭彦彦;焦永昌;李红;王新宽:复杂帕累托集多目标优化问题的MOEA/D-DE修正(2012)
  17. Martí,Luis;García,Jesús;Berlanga,Antonio;Coello Coello,Carlos a.;Molina,JoséM.:MB-GNG:解决分布算法多目标优化估计中的缺陷(2011年)
  18. Shim,Vui-Ann;Tan,Kay Chen;Chia,Jun Yong;Chong,Jin-Kiat:求解多目标旅行商问题的进化算法(2011)
  19. Sindhya,Karthik;Ruuska,Sauli;Haanpä,Tomi;Miettinen,Kaisa:一种新的基于差分进化的多目标优化混合变异算子(2011)ioport公司
  20. Wang,Feng;Lin,Zhiyi;Yang,Cheng;Li,Yuanxiang:利用自私基因理论构建基于互信息和熵的二元优化聚类(2011)ioport公司