深渊

深渊:使分散搜索适应多目标优化。我们提出了一种新的算法来解决多目标优化问题。我们的建议是将著名的单目标离散搜索模板应用于多目标领域。其结果是一种混合元启发式算法,称为基于存档的混合分散搜索(abys),它遵循分散搜索结构,但使用进化算法中的变异和交叉算子。深渊融合了多目标领域的典型概念,如帕累托优势、密度估计和存储非支配解决方案的外部档案。我们用一个包含无约束和有约束问题的标准基准对深渊进行了评估,并与两个最先进的多目标优化器NSGA-II和SPEA2进行了比较。结果表明,根据所使用的基准和参数设置,在解的多样性方面,AbYSS算法优于其他两种算法,并且由于收敛到真正的Pareto前沿和超体积度量,它获得了非常有竞争力的结果


zbMATH中的参考文献(参考文献22条)

显示第1到第20个结果,共22个。
按年份排序(引用)
  1. López-Sánchez,公元前。;桑切斯奥罗,J。;Laguna,M.:一种新的多目标组合优化分散搜索设计及其在设施选址中的应用(2021)
  2. Mamanis,Georgios:分析双尾测度效用多目标投资组合优化模型的性能(2021)
  3. 乔俊飞;李飞;杨胜祥;杨翠莉;李文静;顾克:基于均匀分布选择的自适应混合进化免疫多目标算法(2020)
  4. Kar,Mohuya B。;卡尔,萨马吉特;郭思妮;李湘;Majumder,Saibal:一种新的双目标模糊投资组合模型及其进化算法求解(2019)
  5. 圣地亚哥,亚历杭德罗;多伦索罗,伯纳贝;尼布罗,安东尼奥J。;杜里洛,胡安J。;卡斯蒂略,奥斯卡;Fraire,Héctor J.:一种基于模糊逻辑的自适应算子选择的多目标进化算法:FAME(2019)
  6. Majumder,塞巴尔;卡尔,萨马吉特;Pal,Tandra:不确定投资组合选择问题的平均熵模型(2018)
  7. 冈萨雷斯,米格尔A。;帕拉西奥斯,胡安·何塞;贝拉,卡米诺R。;Hernández Arauzo,Alejandro:带设置的单机调度中最小化加权延误的分散搜索(2017)
  8. 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)
  9. 萨尔盖罗,亚米斯莱迪;托罗,豪尔赫L。;贝洛,拉斐尔;Falcon,Rafael:多目标可变网格优化(2017)
  10. 阿伦多,阿伦扎苏吉拉;雷东多,胡安娜L。;费尔南德斯,何塞;Ortigosa,Pilar M.:非线性多目标优化算法的并行化:在定位问题中的应用(2015)
  11. 费尔南德斯,何塞;雷东多,胡安娜L。;阿伦多,阿伦扎苏G。;Ortigosa,Pilar M.:在飞机上定位公共半令人讨厌设施的三目标模型(2015)
  12. 林秋珍;朱清玲;黄培智;陈建勇;明,钟;于建平:一种基于自适应差分进化的混合多目标免疫算法(2015)
  13. 奥尔提戈萨,下午。;亨德里克斯,E.M.T。;Redondo,J.L.:半令人讨厌设施选址的启发式双准则方法(2015)
  14. 李可;光,山姆;王,冉;唐,吉桑;Man,Kim Fung:基于跳跃基因的学习范式:进化多目标优化探索的一般框架(2013)
  15. 林秋珍;陈建勇:一种新的微群体免疫多目标优化算法(2013)
  16. 李可;光,山姆;曹晶晶;李,米青;郑金华;沈瑞敏:在多目标进化算法中实现邻近性和多样性的平衡(2012)ioport公司
  17. 帕达洛斯,帕诺斯M。;斯泰波纳维,英格里达;Žilinskas,Antanas:Pareto集逼近的可调权重和逐次字典式目标规划法(2012)
  18. 陈、王;史燕君;滕洪飞;小平,小平;Hu,Li Chen:资源受限项目调度的有效混合算法(2010)ioport公司
  19. 杜里洛,J.J。;内布罗,A.J。;卢娜,F。;科埃洛,C.A.Coello;Alba,E.:多目标元启发式的收敛速度:效率标准和实证研究(2010)
  20. 卢娜,旧金山;杜里洛,胡安J。;尼布罗,安东尼奥J。;Alba,Enrique:解决自动单元规划问题的分散搜索方法(2010)