×
张凯;沈朝南;他，娟娟;Gary G.Yen。

基于膝关节的多目标决策进化算法。 （英语） Zbl 1475.90140号

信息科学。 544，39-55（2021）.
摘要：近年来，许多先进的多模式多目标进化算法（MMOEAs）被提出用于解决多模式多目的优化问题（MMOP）。然而，大多数方法不仅难以找到整个Pareto集和Pareto前沿，而且忽略了待后期处理的多准则决策（MCDM）问题。事实上，对于决策者来说，从庞大的非支配帕累托最优个体集合中选择一些权衡最优的解决方案是一个非常折衷且具有挑战性的负担。本文提出了一种基于膝关节的进化算法，命名为MMO-EvoKnee，该算法将MCDM策略融入到求解MMOP中。该算法旨在搜索一组完整的全局膝关节解，而不是整个Pareto前沿和Pareto集。首先，采用EvoKnee选择来寻找目标全局膝关节解和边界个体。其次，膝关节多模态解选择侧重于决策空间的开发，以获得收敛良好的多个帕累托最优膝关节解。第三，最大跨距子集选择旨在从拥挤的帕累托区域准确识别出完整数量的膝盖解决方案。第四，边界多模解选择可以找到并保持多样性好、收敛性好的边界解。因此，MMO-EvoKnee可以持续快速地找到所有感兴趣的膝盖解决方案，从而减轻了决策者的负担。最后，在13个基准MMOP上对所提出的算法的性能进行了评估。实验结果清楚地表明，提出的MMO-EvoKnee相对于所选的最先进的MMOEA具有竞争优势。

引用于2文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
90C29型 多目标规划
68瓦50 进化算法、遗传算法（计算方面）

关键词：

多目标进化算法;多模式多目标优化;多标准决策;多目标优化;多模态优化

软件：

Omni-优化程序;MOEA/D公司;NBI公司
PDF格式BibTeX公司 XML格式引用
\textit{K.Zhang}等人，《信息科学》。544，39-55（2021；Zbl 1475.90140）
全文： 内政部

参考文献：

[1] 舒默，硕士。；Steiglitz，K.，自适应步长随机搜索，IEEE Trans。自动。控制，13，3，270-276（1968）
[2] 柯克帕特里克，S。；盖拉特，C.D。；Vecchi，M.P.，《模拟退火优化》，《科学》，220，4598，671-680（1983）·Zbl 1225.90162号
[3] Geyer，C.J.，马尔可夫链蒙特卡罗最大似然，（计算科学与统计：第23届界面研讨会论文集（1991）），156-163
[4] 马蒂诺，L。；埃尔维拉，V。；Luengo，D。；Corander，J。；Louzada，F.，正交并行MCMC采样和优化方法，数字信号处理。，58, 64-84 (2016)
[5] 洛伦特，F。；马蒂诺，L。；Delgado，D.，并行城域-黑斯廷斯耦合器，IEEE信号处理。莱特。，26, 6, 953-957 (2019)
[6] 雅各比，J。；斯佩勒，D.E。；Kohn，C.A.，《作为信息负载函数的品牌选择行为》，J.市场。研究，11，1，63-69（1974）
[7] 巴塔查吉，K.S。；香港辛格。；Ryan，M。；Ray，T.，《弥合差距：多目标优化和知情决策》，IEEE Trans。埃沃。计算。，21, 5, 813-820 (2017)
[8] Das，I.，《基于法线-边界交点刻画帕累托曲线的拐点》，结构。优化。，18, 2, 107-115 (1999)
[9] J.Branke，K.Deb，H.Dierlf，M.Osswald，《在多目标优化中寻找膝盖》，摘自：《自然中的并行问题解决》（PPSN），《计算机科学讲义》，第3242卷，2004年，第722-731页。
[10] Chiu，W。；Yen，G.G。；Juan，T.，多目标优化问题中多准则决策的最小曼哈顿距离方法，IEEE Trans。埃沃。计算。，1972年6月20日至985年（2016年）
[11] Deb，K。；Gupta，S.，《理解双标准问题中的拐点及其作为首选解决方案原则的含义》，《工程优化》。，43, 11, 1175-1204 (2011)
[12] 巴塔查吉，K.S。；香港辛格。；Ray，T.，《从权衡集中确定感兴趣的解决方案的性能指标研究》（《澳大利亚人工生命和计算智能会议论文集》，澳大利亚吉朗（2016）），66-77
[13] Auger，A。；Bader，J。；布罗克霍夫，D。；Zitzler，E.，“超体积指示剂的理论：最佳µ-分布和参考点的选择”，（美国计算机学会遗传算法基础研讨会论文集，佛罗里达州奥兰多（2009）），87-102·Zbl 1369.68293号
[14] 张凯。；Yen，G.G。；He，Z.，基于膝关节的多准则决策进化算法，IEEE Trans。赛博。(2019)
[15] K.Deb，S.Tiwari，《Omni-optimizer:单目标和多目标优化程序》，摘自：Proc。第三次国际竞争演变。多准则优化（EMO’05），第3410卷，2005年，第41-65页·兹比尔1109.68592
[16] G.Rudolph，B.Naujoks，M.Preuss，EMOA检测和保存等效Pareto子集的能力，见：Proc。国际竞争演变。多准则优化。，2007年，第36-50页。
[17] Yue，C。；Qu，B。；Liang，J.，使用环形拓扑解决多模式多目标问题的多目标粒子群优化器，IEEE Trans。埃沃。计算。，22,5805-817（2018年10月）
[18] 梁，J。；魏伟，X.u。；Yue，C。；Kunjie，Y.u。；宋，H。；O.D.克里斯亚尔。；Boyang，Q.u.，带差分进化的多模态多目标优化，Swarm Evol。计算。，44, 1028-1059 (2019)
[19] Deb，K。；Tiwari，S.，Omni-optimizer:单目标和多目标优化的通用进化算法，EJOR，185，3，1062-1087（2008）·Zbl 1146.90509号
[20] 刘，Y。；Ishibuchi，H。；野岛，Y。；北岛Masuyama。；Shang，K.，双缺口进化算法及其在基于多边形问题上的行为，PPSN，262-273（2018）
[21] 刘一平；Yen，Gary G。；龚敦伟，使用两种存档和重组策略的多模式多目标进化算法，IEEE Trans。埃沃。计算。，23, 4, 660-674 (2019)
[22] Zechman，E.M。；G、 医学博士。；Shafiee，M.E.，《为恶劣问题生成不同非支配解决方案集的进化算法方法》，《工程应用》。AI，26，5-6，1442-1457（2013）
[23] 周，A。；张，Q。；Jin，Y.，通过分布估计算法逼近决策空间和目标空间中的帕累托最优解集，IEEE Trans。埃沃。计算。，13、5、1167-1189（2009年10月）
[24] 安德烈亚·托弗洛；Benini，Ernesto，遗传多样性作为多目标进化算法的目标，Evol。计算。，11, 2, 151-167 (2003)
[25] 刘一平；Ishibuchi，Hisao；Yen，Gary G。；野岛，Yusuke；Masuyama，Naoki，在进化多模式多目标优化中处理决策空间中收敛和多样性之间的不平衡，IEEE Trans。埃沃。计算。(2019)
[26] 科埃略，G.P。；Zuben，F.J.V.，用于多目标优化的基于浓度的人工免疫网络，EMO，343-357（2011）
[27] Shir，O.M。；普劳斯，M。；Naujoks，B。；Emmerich，M.T.M.，《在进化多目标算法中增强决策空间多样性》，EMO，95-109（2009）
[28] 张，Q。；Li，H.，MOEA/D：基于分解的多目标进化算法，IEEE Trans。埃沃。计算。，712-731年11月11日（2007年11月）
[29] C.Hu，H.Ishibuchi，将决策空间多样性维护机制纳入多模态多目标优化的MOEA/D，载于：GECCO（Companion），2018年，第1898-1901页。
[30] R.Tanabe，H.Ishibuchi，基于分解的多模态多目标优化进化算法，载于：PPSN，2018年，第249-261页。
[31] T.Ulrich，J.Bader，L.Thiele，《多目标搜索中基于指标的多样性度量的定义和优化》，PPSN，2010年，第707-717页。
[32] H.Ishibuchi，M.Yamane，N.Akedo，Y.Nojima，多目标优化中最大化超体积和决策空间多样性的双目标解集优化，收录于：SCIS，2012年，第1871-1876页。
[33] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法：NSGA-II，IEEE Trans。埃沃。计算。，182-197年6月2日（2002年8月）
[34] Tanabe，R。；Ishibuchi，H.，基于小生境指标的多模式多目标优化器，Swarm Evol。计算。，49, 134-146 (2019)
[35] H.Ishibuchi，N.Tsukamoto，Y.Nojima，《进化多目标优化：简短回顾》，摘自：IEEE进化计算大会，中国香港，2008年，第2419-2426页。
[36] Li，B。；Li，J.等人。；Tang，K。；Yao，X.，《许多客观进化算法：一项调查》，ACM Comput。调查。，48, 1, 1-35 (2015)
[37] Tanabe、Ryoji；Ishibuchi，Hisao，进化多模式多目标优化综述，IEEE Trans。埃沃。计算。(2019)
[38] 李，X。；Epitropakis，M.G。；Deb，K。；Engelbrecht，A.P.，《寻求多重解决方案：小生境方法及其应用的最新调查》，IEEE Trans。埃沃。计算。，21, 4, 518-538 (2017)
[39] J.Branke，K.Deb，H.Dierolf，M.Osswald，在多目标优化中寻找膝盖，在：来自自然的并行问题解决（PPSN），计算机科学讲义，第3242卷，2004年，第722-731页。
[40] Zitzler，E。；Deb，K。；Thiele，L.，《多目标进化算法的比较：经验结果》，IEEE Trans。埃沃。计算。，8, 2, 173-195 (2000)
[41] 舒茨，O。；Laumanns，M。；Coello Coello，C.A.，用随机搜索算法逼近MOP的膝盖，（第十届自然并行问题解决国际会议论文集，德国多特蒙德（2008）），795-804
[42] 张，X。；田，Y。；Jin，Y.，用于多目标优化的拐点驱动进化算法，IEEE Trans。埃沃。计算。，19, 6, 761-776 (2015)
[43] Kuo，Y。；Yang，T。；Huang，G.，灰色关联分析在解决多属性决策问题中的应用，计算。工业工程，55，1，80-93（2008）
[44] 贝扎迪安，M。；Otaghsara，S.K。；亚兹达尼，M。；Ignatius，J.，《TOPSIS应用现状调查》，专家系统。申请。，第39页，第13051-13069页（2012年）
[45] L.Rachmawati，D.Srinivasan，《膝关节区域收敛的加权和小生境多目标进化算法》，载于：《第八届遗传进化计算国际会议论文集》，西雅图，华盛顿州，2006年，第749-750页。
[46] 张凯。；徐，Z。；谢S。；Yen，G.G.，基于进化策略的向量均衡多目标进化算法，IEEE Trans。赛博。(2019)
[47] 米勒，B.L。；Goldberg，D.E.，《遗传算法、比赛选择和噪声影响》，复杂系统。，9, 193-212 (1995)
[48] Deb，K。；Agrawal，R.，连续搜索空间的模拟二进制交叉，复杂系统。，9, 2, 115-148 (1995) ·Zbl 0843.68023号
[49] Prim，R.C.，最短连接网络和一些推广，贝尔系统。《技术期刊》，36，6，1389-1401（1957）
[50] Zitzler，E。；Thiele，L。；Laumanns，M。；丰塞卡，C.M。；da Fonseca，V.G.，《多目标优化器的性能评估：分析与评论》，IEEE Trans。埃沃。计算。，2011年7月2日至132日（2003年）
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。