×
高佳全;王军

WBMOAIS：一种用于多目标优化的新型人工免疫系统。 （英语） Zbl 1171.90518号

计算。操作人员。物件。 37，第1号，50-61（2010）.
摘要：本研究提出了一种基于opt-aiNET的新型加权多目标人工免疫系统（WBMOAIS），即用于多模态优化的人工免疫系统算法。该算法遵循opt-aiNET的基本结构，但具有以下显著特征：（1）使用多个目标的随机加权和作为适应度函数。与基于Pareto排序的适应度分配相比，该适应度分配具有更低的计算复杂度，（2）种群中的个体是从内存中选择的，这是一组精英解，并且使用局部搜索过程来促进搜索空间的开发，（3）除了类似于opt-aiNET中使用的克隆抑制算法外，为了消除内存中的相似个体并获得均匀分布的非支配解，提出了一种新的具有相似个体的截断算法（TASI）。将提出的算法WBMOAIS与向量免疫算法（VIS）和精英非支配排序遗传系统（NSGA-II）进行了比较，它们代表了多目标优化元启发式的最新发展。在七个标准问题（ZDT6、SCH2、DEB、KUR、POL、FON和VNT）上的仿真结果表明，WBMOAIS优于VIS和NSGA-II，可以成为解决多目标优化问题的标准算法的有效替代方案。

引用于9文件

MSC公司：

90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式

关键词：

多目标;人工免疫系统;相似的个人;进化算法

软件：

WBMOAIS公司
PDF格式BibTeX公司 XML格式引用
\textit｛J.Gao｝和\textit｛J.Wang｝，计算机。操作人员。第37号决议，第1、50-61号（2010年；Zbl 1171.90518）
全文： DOI程序

参考文献：

[1] Jerne，N.K.，《朝向免疫系统的网络理论》，《免疫学年鉴》，125C，1-2，373-389（1974）
[2] Schaffer博士。基于向量评估遗传算法的多目标优化。范德比尔特大学博士论文；1984.; Schaffer博士。基于向量评估遗传算法的多目标优化。范德比尔特大学博士论文；1984
[3] Kursawe，F.，向量优化进化策略的变体，（Schwefel，H.P.；Männer，R.，《自然中的并行问题解决》，计算机科学讲义，第496卷（1991），施普林格：施普林格柏林，德国），193-197
[4] 史密斯，R.E。；Forrest，S。；Perelson，A.S.，《免疫系统模型中的种群多样性：遗传搜索的含义》（Darrel Whitley，L.，《遗传算法2的基础》（1993），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），153-165
[5] 丰塞卡，C.M。；Fleming，P.J.，多目标优化中进化算法概述，进化计算，3，1，1-16（1995）
[6] Schott JR。使用单准则和多准则遗传算法的容错设计。马萨诸塞州波士顿麻省理工学院航空航天系硕士论文；1995.; Schott JR。使用单准则和多准则遗传算法的容错设计。马萨诸塞州波士顿麻省理工学院航空航天系硕士论文；1995
[7] Viennet，R.，使用遗传算法确定Pareto集的多准则优化，国际系统科学杂志，27，2，255-260（1996）·Zbl 0844.90079号
[8] Ishibuchi，H。；Murata，T.，多目标遗传局部搜索算法及其在flowshop调度中的应用，IEEE系统、人与控制论汇刊，28，3，392-403（1998）
[9] Yoo，J。；Hajela，P.，多准则设计中的免疫网络模拟，结构优化，18，85-94（1999）
[10] Veldhuizen博士。多目标进化算法：分类、分析和新创新。俄亥俄州代顿空军技术学院博士论文；1999年。；Veldhuizen博士。多目标进化算法：分类、分析和新创新。俄亥俄州代顿空军技术学院博士论文；1999
[11] Deb，K.，《多目标遗传算法：问题难度和测试问题的构造》，进化计算，7205-230（1999）
[12] A.库帕蒂。；Azarm，S.，多学科设计优化的多目标遗传算法免疫网络模拟，工程优化，33，245-260（2000）
[13] Van Veldhuizen DA，拉蒙特英国。关于衡量多目标进化算法的性能。载：《2000年进化计算大会论文集》，第1卷。新泽西州皮斯卡塔韦：IEEE服务中心；2002年，第204-11页。；Van Veldhuizen DA，拉蒙特英国。关于衡量多目标进化算法的性能。在：2000年进化计算大会会议记录，第1卷。新泽西州皮斯卡塔韦：IEEE服务中心；2002年，第204-11页。
[14] Zitzler，E。；Deb，K。；Thiele，L.，《多目标进化算法的比较：经验结果》，进化计算，8173-195（2000）
[15] Poloni，C。；Giurgevich，A。；Onesti，L.，流体动力学中复杂设计问题的多目标遗传算法、神经网络和经典优化器的混合，应用力学和工程中的计算机方法，186，2-4，403-420（2000）·Zbl 0956.76023号
[16] Deb，K.，使用进化算法的多目标优化（2001），威利：威利纽约·Zbl 0970.90091号
[17] 德卡斯特罗，L.N。；Timmis，J.，人工免疫系统：一种新的计算智能方法（2002），施普林格：施普林格-海德堡·Zbl 1027.68108号
[18] Coello Coello CA，Cruz Cortés N.基于人工免疫系统解决多目标优化问题的方法。收录：Timmis J，Bentley PJ，编辑。第一届人工免疫系统国际会议（ICARIS’2002）。坎特伯雷，英格兰：肯特大学；2002年，第212-21页。；Coello Coello CA，Cruz Cortés N.基于人工免疫系统解决多目标优化问题的方法。收录：Timmis J，Bentley PJ，编辑。第一届人工免疫系统国际会议（ICARIS’2002）。坎特伯雷，英格兰：肯特大学；2002年，第212-21页。
[19] de Castro LN，Timmis J.用于多模态函数优化的人工免疫网络。载：《2002年进化计算大会论文集》，CEC'02，第1卷。火奴鲁鲁：IEEE出版社；2002年，第699-704页。；de Castro LN，Timmis J.用于多模态函数优化的人工免疫网络。摘自：2002年进化计算大会会议记录，CEC'02，第1卷。火奴鲁鲁：IEEE出版社；2002年，第699-704页。
[20] Deb，K。；普拉塔普，A。；Agarwal，S.，《快速精英多目标遗传算法：NSGA-II》，IEEE进化计算汇刊，6，2，182-197（2002）
[21] 卢，G.C。；Chueh，C.H。；Liu，W.W.，MOIA：多目标免疫算法，工程优化，35，2，143-164（2003）
[22] 卢，G.C。；Chueh，C.H。；Liu，W.W.，免疫算法在桁架结构多目标优化设计中的应用，计算机与结构，82，829-844（2004）
[23] 科埃洛·科埃洛，C.A。；Cruz，C.，使用人工免疫系统解决多目标优化问题，遗传编程和进化机器，6163-190（2005）
[24] Jiao L，Gong M，Shang R，Du H，Lu B.免疫优势克隆选择和基于能量的多目标优化。摘自：第三届进化多准则优化国际会议论文集。计算机科学课堂讲稿，第3410卷。墨西哥瓜纳华托：斯普林格；2005年，第474-89页。；Jiao L，Gong M，Shang R，Du H，Lu B.免疫优势克隆选择和基于能量的多目标优化。摘自：第三届进化多准则优化国际会议论文集。计算机科学课堂讲稿，第3410卷。墨西哥瓜纳华托：斯普林格；2005年，第474-89页·Zbl 1109.68610号
[25] 马伟，焦力，龚M，刘峰。一种用于0/1背包问题的新型人工免疫系统多目标优化算法。摘自：计算智能与安全国际会议记录，第一部分，人工智能讲稿，第3801卷。中国西安：斯普林格；2005年，第793-8页。；马伟，焦力，龚M，刘峰。一种用于0/1背包问题的新型人工免疫系统多目标优化算法。摘自：计算智能与安全国际会议记录，第一部分，人工智能讲稿，第3801卷。中国西安：斯普林格；2005年，第793-8页。
[26] Freschi，F。；Repetto，M.，VIS:用于多目标优化的人工免疫网络，工程优化，38，8，975-996（2006）
[27] Zhang X，Lu B，Gou S，Jiao L.无监督特征选择的免疫多目标优化算法。在：进化计算应用程序集。计算机科学课堂讲稿，第3907卷。匈牙利布达佩斯：施普林格；2006年，第484-94页。；Zhang X，Lu B，Gou S，Jiao L.无监督特征选择的免疫多目标优化算法。摘自：进化计算应用程序。计算机科学课堂讲稿，第3907卷。匈牙利布达佩斯：施普林格；2006年，第484-94页。
[28] Wang XL，Mahfouf M.ACSAMO：一种使用克隆选择原理的自适应多目标优化算法。摘自：第二届欧洲自然灵感智能信息系统研讨会论文集。西班牙特内里费的克鲁兹港，2006年。；Wang XL，Mahfouf M.ACSAMO：一种使用克隆选择原理的自适应多目标优化算法。在：第二届欧洲受自然启发的智能信息系统研讨会论文集。2006年，西班牙特内里费，克鲁兹港。
[29] 张振华，动态环境中的多目标优化免疫算法及其在温室控制中的应用，应用软计算，8959-971（2008）
[30] 科埃洛·科埃洛，C.A。；拉蒙特，G.B。；Van Veldhuizen，D.A.，解决多目标问题的进化算法（2008），Springer科学：Springer Science纽约·Zbl 1130.90002号
[31] 哈特，E。；Timmis，J.，AIS的应用领域：过去、现在和未来，应用软计算，3191-201（2008）
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。