深渊

深渊:适应分散搜索到多目标优化。我们提出了一种新的算法来求解多目标优化问题。我们的建议适应众所周知的分散搜索模板单目标优化到多目标域。结果是一种混合元启发式算法称为基于档案的混合散射搜索(ABYSS),它遵循分散搜索结构,但是使用来自进化算法的变异和交叉算子。深渊包含从多目标领域的典型概念,如帕累托优势,密度估计,和外部档案存储非支配的解决方案。我们使用无约束和约束问题的标准基准来评估深渊,并将其与两个最先进的多目标优化器NSGA-II和SPEA2进行比较。得到的结果表明,根据所使用的基准和参数设置,深渊在解的多样性方面优于其他两种算法,并且根据收敛到真正的帕累托前沿和超体积度量,它获得了非常有竞争力的结果。


ZBMaCT中的参考文献(17篇文章中引用)

显示结果1至17的17。
按年份排序(引文

  1. Maundter,Saibal;Kar,Samarjit;PAL,Tandra:不确定投资组合问题的均值-熵模型(2018)
  2. 冈萨雷兹,Miguel A.;帕拉西奥斯,Juan Jos,Vela,Camino R.;Hehan-NeDEZ A劳佐,Alejandro:一个单机排序问题的最小化加权延误的分散搜索(2017)
  3. 雷东多,J. L.;费尔南德斯,J,OrthigoSA,P. M.:FEMOEA:一种快速高效的多目标进化算法(2017)
  4. Salgueiro,YAMISLIDI;TROO,Jorge L.;贝洛,拉斐尔;Falcom,拉斐尔:多目标变网格优化(2017)
  5. Arrondo,雷东多,Juana L.;费尔南德斯,约斯;奥蒂戈萨,Pilar M.:一个非线性多目标优化算法的并行化:一个位置问题的应用(2015)
  6. 费恩南德斯,乔斯;雷东多,Juana L.;阿伦多,阿扎佐G;奥蒂戈萨,Pilar M.:一个三重目标模型,用于定位平面中的公共半憎恶设施(2015)
  7. 林,Qiuzhen;朱,Qingling;黄,Peizhi;陈,Jianyong;明,钟;禹,建平:一种新的自适应差分进化多目标免疫算法(2015)
  8. Ortigosa,P. M.;亨德里克斯,E. M. T.;雷东多,J. L.:半讨厌设施选址的启发式双准则方法(2015)
  9. 李,柯;Kwong,山姆;王,冉;唐,KIT Sang:man,Kim Fung:基于跳跃基因的学习范式:进化多目标优化中加强探索的一般框架(2013)
  10. 林,Qiuzhen;陈,简永:一种新的微种群免疫多目标优化算法(2013)
  11. 李,柯;Kwong,山姆;曹,Jingjing;李,Miqing;郑,金华;Ruimin;在多目标进化算法中实现接近与多样性的平衡(2012)伊波尔特
  12. Pardalos,Panos M.;Ingrida斯图那维亚,ILIN斯卡斯,Antanas:可调权法和连续字典目标规划法的帕累托集逼近(2012)
  13. 陈,王;施,Yan Jun;滕,洪飞;蓝,Pig;So.;,Y:一种资源受限项目调度的高效混合算法(2010)伊波尔特
  14. Duryo,J. J.;NeBro,A. J.;Luna,F.;Coello,C. A. Coello;AlBA,E.:多目标元启发式收敛速度:效率准则和实证研究(2010)
  15. 露娜,弗朗西斯科;Durillo,Juan J.;NeBro,Antonio J.;AlBA,恩里克:一种求解自动小区规划问题的分散搜索方法(2010)
  16. Eskandari,Hamidreza;盖革,Christopher D.:一种求解复杂多目标优化问题的快速帕累托遗传算法(2008)
  17. Nebro,Antonio J.;Luna,弗朗西斯科;Alba,恩里克;Dorronsoro,伯纳布;Duryo,Suffe;Pipe,Y:深渊:适应分散搜索到多目标优化。(2008)伊波尔特