×
蒋敏;邱立明;黄忠强;Gary G.Yen。

基于区域自适应和非参数估计的分布动态多目标估计算法。 （英语） Zbl 1447.62036号

信息科学。 435, 203-223 (2018).
摘要：尽管动态优化和多目标优化各自取得了长足的进步，但解决动态多目标优化问题仍然是一个巨大的挑战，因为它们的多个相互冲突的目标可能会随着时间而改变。本文提出了一种基于区域自适应和非参数估计的分布估计算法DANE-EDA，用于解决动态多目标优化问题。该算法的显著特点包括重要性抽样、非参数密度估计、概率预测和在创新框架下无缝统一的域自适应技术。该设计充分利用了强大的蒙特卡罗方法和转移学习技术。这种组合将有助于该算法从时间和空间角度保持精细的勘探与开发权衡。同时，它将有助于所提出的算法克服转移学习带来的缺点，特别是多样性的损失。在证明了DANE-EDA的收敛性并分析了其计算复杂性后，我们在12个不同的测试实例上将所提出的方法与9个EDA或动态多目标优化算法进行了比较。实验结果证实了该方法在解决动态多目标优化问题中的有效性。

引用于6文件

MSC公司：

62G07年 密度估算
49公里45 随机问题的最优性条件

关键词：

动态多目标优化;域自适应;非参数统计;重要性抽样;迁移学习

软件：

RM-MEDA公司;拖把;机动脚踏车
PDF格式BibTeX公司 XML格式引用
\textit{M.Jiang}等人，《信息科学》。435203--223（2018；Zbl 1447.62036）
全文： 内政部

参考文献：

[1] 阿奎布，O.A。；Abo-Hammour，Z.，使用连续遗传算法数值求解二阶边值问题系统，信息科学。，279, 396-415 (2014) ·Zbl 1354.65155号
[2] Azzouz，R。；贝奇赫，S。；Said，L.B.，使用基于变化严重度的自适应人口管理策略的动态多目标进化算法，Soft。计算。，21, 4, 885-906 (2017)
[3] Azzouz，R。；Bechikh，S。；Said，L.B.，使用进化算法的动态多目标优化：一项调查，进化多目标优化的最新进展，31-70（2017），Springer·Zbl 1405.90008号
[4] Bosman，P.，在线动态优化中的学习和预测，动态和不确定环境中的进化计算，129-152（2007）
[5] Branke，J.，《用于改变优化问题的记忆增强进化算法》，《1999年进化计算大会论文集》，第3卷，1875-1882（1999），IEEE
[6] Branke，J.，《动态环境中的进化优化》，第3卷（2012），Springer Science&Business Media
[7] 布兰克，J。；考勒，T。；斯密特，C。；Schmeck，H.，动态优化问题的多种群方法，进化设计与制造，299-307（2000），Springer
[8] Cobb，H.G.，《在具有连续、时间相关非平稳环境的遗传算法中使用超变异作为自适应算子的研究》，技术报告AIC-90-001（1990）
[9] 科埃罗，C.C。；Lechuga，M.S.，Mopso：多目标粒子群优化的建议，进化计算，2002年。CEC'02。2002年国会议事录，第2卷，1051-1056（2002），IEEE
[10] Costa，M。；Minisci，E.，Moped:基于多目标参数的连续问题分布估计算法，进化多准则优化，282-294（2003），Springer·Zbl 1036.90524号
[11] Deb，K。；Karthik，S.，《使用改进nsga-ii的动态多目标优化和决策：水力发电调度案例研究》，进化多准则优化国际会议，803-817（2007），Springer
[12] Goh，C.-K。；Tan，K.C.，动态多目标优化的竞争合作协同进化范式，IEEE Trans。进化。计算。，103-127年1月13日（2009年）
[13] Grefenstette，J.，《变化环境的遗传算法》，137-144（1992）
[14] Hauschild，M。；Pelikan，M.，《分布算法估计的介绍和综述》，Swarm Evol。计算。，1, 3, 111-128 (2011)
[15] 黄，Z。；蒋明，基于趋势预测模型的多目标分布估计算法，（中文），Artif。智力。机器人。第5、1、1-12号决议（2016年）
[16] Ishibuchi，H。；Masuda，H。；Nojima，Y.，《改进的倒代距离指标的绩效评估能力研究》，《2015年遗传与进化计算年会论文集》，695-702（2015），ACM
[17] 江，M。；黄，Z。；邱，L。；黄，W。；Yen，G.G.，基于转移学习的动态多目标优化算法，IEEE Trans。进化。计算。，PP，99（2017）
[18] 江，S。；Yang，S.，动态多目标优化的稳态分代进化算法，IEEE Trans。进化。计算。，21, 1, 65-82 (2017)
[19] Karshenas，H。；桑塔纳，R。；比尔扎，C。；Larranaga，P.，基于目标和变量联合建模的多目标分布估计算法，IEEE Trans。进化。计算。，18, 4, 519-542 (2014)
[20] Khan，N。；Goldberg，D.E。；Pelikan，M.，多目标贝叶斯优化算法，Urbana，51，61801（2002）
[21] Klenke，A.，《概率论：综合课程》（2013），Springer Science&Business Media·Zbl 1295.60001号
[22] 拉腊尼亚加，P。；埃克塞贝里亚，R。；Lozano，J.A。；Peña，J.M.，通过学习和模拟高斯网络在连续域中进行优化，201-204（2000）
[23] Larrañaga，P。；Karshenas，H。；比尔扎，C。；桑塔纳，R.，《进化计算中概率图形模型综述》，《启发式杂志》，第18、5、795-819页（2012年）
[24] 拉拉纳加，P。；Lozano，J.A.，《分布算法估计：进化计算的新工具》，第2卷（2002），Springer Science&Business Media·Zbl 0979.00024号
[25] 李，C。；Yang，S.，动态优化问题的快速多温优化，自然计算，2008。ICNC’08公司。第四届国际会议，第7卷，624-628（2008），IEEE
[26] 刘，R。；李，J。；Mu，C。；Jiao，L.，基于多温粒子群优化的动态多目标优化协同进化技术，Eur.J.Oper。第261、3、1028-1051号决议（2017年）·Zbl 1403.90611号
[27] R.C.默顿。；Samuelson，P.A.，《持续时间金融》（1992）
[28] Muruganantham，A。；Tan，K.C。；Vadakkepat，P.，通过卡尔曼滤波器预测的进化动态多目标优化，IEEE Trans。赛博。，46, 12, 2862-2873 (2016)
[29] 潘，S.J。；Tsang，I.W。；郭敬通（Kwok，J.T.）。；Yang，Q.，通过传输组件分析进行域自适应，IEEE Trans。神经网络，2199-210（2011）
[30] 潘，S.J。；Yang，Q.，迁移学习调查，IEEE Trans。知识。数据工程，22，10，1345-1359（2010）
[31] Pelikan，M.，贝叶斯优化算法，分层贝叶斯最优化算法，31-48（2005），Springer·Zbl 1107.68084号
[32] 佩利坎，M。；Sastry，K。；Goldberg，D.E.，多目标hboa，聚类和可扩展性，第七届遗传和进化计算年会论文集，663-670（2005），ACM
[33] 拉奎尔，C。；Yao，X.，《动态多目标优化：动态优化问题的进化计算的最新研究》，85-106（2013），Springer
[34] 罗西，C。；Abderrahim，M。；Díaz，J.C.，使用基于卡尔曼的预测跟踪移动最优值，Evol。计算。，16, 1, 1-30 (2008)
[35] 沙阿·R。；Reed，P.，多目标d维背包问题随机和相关实例的多目标进化算法比较分析，欧洲期刊Oper。第211、3、466-479号决议（2011年）
[36] 肖-泰勒，J。；Cristianini，N.，《模式分析的核心方法》（2004），剑桥大学出版社
[37] Sierra，M.R。；Coello，C.A.C.，使用拥挤、变异和优势改进基于粒子群算法的多目标优化，进化多准则优化，505-519（2005），Springer·Zbl 1109.68631号
[38] Sola，M.C.，《动态多目标优化的并行处理》（2010），西班牙格拉纳达大学计算机体系结构和计算机技术系博士论文
[39] Stroud，P.D.，Kalman扩展遗传算法在具有噪声适应度评估的非平稳环境中搜索，IEEE Trans。进化。计算。，5, 1, 66-77 (2001)
[40] 瓦瓦克，F。；Fogarty，T.C。；Jukes，K.，跟踪变化环境的局部搜索可变范围遗传算法，376-385（1996）
[41] 王，Y。；李，B.，动态多目标优化的多策略集成进化算法，模因计算。，2, 1, 3-24 (2010)
[42] Woldesenbet，Y.G。；Yen，G.G.，带变量重定位的动态进化算法，IEEE Trans。进化。计算。，13, 3, 500-513 (2009)
[43] Yang，S。；Li，C.，用于在动态环境中定位和跟踪多个最优值的聚类粒子群优化器，IEEE Trans。进化。计算。，14, 6, 959-974 (2010)
[44] 张，Q。；周，A。；Jin，Y.，Rm-meda:基于规则模型的多目标分布估计算法，IEEE Trans。进化。计算。，12, 1, 41-63 (2008)
[45] 张，Z。；Qian，S.，动态环境中的人工免疫系统求解时变非线性约束多目标问题，软计算。，15, 7, 1333-1349 (2011)
[46] 周，A。；Jin，Y。；张琪，进化动态多目标优化的种群预测策略，IEEE Trans。赛博。，44, 1, 40-53 (2014)
[47] 周，L。；周，A。；张，G。；Shi，C.，基于非参数密度估计的分布估计算法，2011年IEEE进化计算大会（CEC’2011），1597-1604（2011），IEEE
[48] Zitzler，E。；Thiele，L.，《使用进化算法的多目标优化比较案例研究》，《自然并行问题解决国际会议》，292-301（1998），斯普林格出版社
[49] 邹，J。；李强。；Yang，S。；Bai，H。；Zheng，J.，基于中心点和拐点的进化动态多目标优化预测策略，应用。柔软。计算。，61, 806-818 (2017)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。