×

基于自适应秩克隆和最近邻列表的免疫多目标优化。 (英语) Zbl 1235.68212号

摘要:人工免疫系统(AIS)是受脊椎动物免疫系统原理和过程启发的计算系统。基于AIS的算法通常利用免疫系统的学习和自适应特性来解决一些复杂的问题。尽管已有多个基于AIS的算法提出用于解决多目标优化问题(MOP),但很少关注自适应使用在线发现的解决方案的问题。在这里,我们通过在线发现不同等级的解,提出了一种自适应选择方案和一种自适应等级克隆方案。因此,有效地利用了在线抗体群体的动态信息,这有利于搜索过程。此外,人们普遍认为,一次性删除不能在最终种群中获得良好的多样性;因此,建立并维护了一个(k)-最近邻列表(其中,(k)是目标的数量),以消除存档总体中的解决方案。每个抗体的\(k)-最近邻被发现并存储在列表存储器中。一旦删除了具有k个最近邻居的最小乘积的抗体,则更新列表存储器中剩余抗体的邻居关系。最后,对10个著名且常用的多目标问题和两个多目标问题(4个、6个和8个目标)进行了测试。与其他五种最先进的多目标算法(NSGA-II、SPEA2、IBEA、HYPE和NNIA)相比,我们的方法在收敛性、多样性度量和计算时间方面取得了可比的结果。

MSC公司:

68T05型 人工智能中的学习和自适应系统
90C29型 多目标规划
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bader,J.E.Zitzler 2008 HypE:一种基于快速超体积的多目标优化算法
[2] Bandyopadhyay,多目标遗传算法,定量指标和模式分类,IEEE系统、人和控制论汇刊B部分:控制论4(5),第2088页–(2004)
[3] Beume,SMS-EMOA:基于支配超体积的多目标选择,《欧洲运筹学杂志》181(3),第1653页–(2007)
[4] Bleuler,计算机科学课堂讲稿,第494页–(2003年)
[5] Bradstreet,快速增量超体积算法,IEEE进化计算汇刊12(6),第714页–(2008)
[6] Coello Coello,《进化多目标优化:该领域的历史观点》,IEEE计算智能杂志1(1),第28页–(2006)·Zbl 1242.90208号
[7] Coello Coello,C.A.N.C.Cortés 2002基于人工免疫系统解决多目标优化问题的方法在第一届人工免疫系统国际会议(ICARIS’2002)上由J.Timmis P.J.Bentley编辑212 221
[8] Coello Coello,解决多目标问题的进化算法(2002)·Zbl 1026.74056号 ·doi:10.1007/978-1-4757-5184-0
[9] Coello Coello,用粒子群优化处理多个目标,IEEE进化计算汇刊8(3),第256页–(2004)·Zbl 1026.74056号
[10] Corne,D.W.J.D.Knowles M.J.Oates 2000《自然VI会议并行问题解决过程中多目标优化的基于Pareto包络线的选择算法》,M.Schoenauer K.Deb G.Rudolph X.Yao E.Lutton J.Merelo H.P.Schwefel Springer编辑,839 848
[11] Cutello,V.G.Narzisi G.Nicosia 2005使用免疫启发算子预测ab-iniio蛋白质结构的一类Pareto存档进化策略算法54 63
[12] De Castro,《人工免疫系统:一种新的计算智能方法》(2002)·Zbl 1027.68108号
[13] Deb,《使用进化算法的多目标优化》(2001年)·Zbl 0970.90091号
[14] Deb,快速精英多目标遗传算法:NSGA-II,IEEE Transactions on Evolutionary Computation 6(2)pp 182–(2002a)
[15] Deb,K.S.Jain 2002《第四届模拟进化与学习亚洲太平洋会议(SEAL'02)论文集中进化多目标优化的运行性能指标》,L.Wang K.C.Tan T.Furuhashi J.-H.Kim X.Yao编辑13 20
[16] Deb,K.L.Thiele M.Laumanns E.Zitzler 2002b进化计算大会中的可扩展多目标优化测试问题(CEC’2002)825 830·Zbl 1078.90567号
[17] Fonseca,C.M.P.J.Fleming 1993多目标优化的遗传算法:第五届遗传算法国际会议论文集的制定、讨论和推广,S.Forrest Morgan Kauffman Publishers编辑416 423
[18] Freschi,VIS:用于多目标优化的人工免疫网络,工程优化38(8)pp 975–(2006)
[19] 龚,基于非支配邻域选择的多目标免疫算法,进化计算16(2)pp 225–(2008)
[20] Hallam,2005 IEEE进化计算大会(CEC’2005),第2233页–(2005)
[21] Hernández-Díaz,Pareto-adaptive epsilon-优势,进化计算15(4),第493页–(2007)
[22] Horn,J.N.Nafpliotis D.E.Goldberg 1994《第一届IEEE进化计算会议论文集》中用于多目标优化的小生境pareto遗传算法,IEEE计算智能世界大会82 87
[23] Hughes,E.J.2003进化计算大会(CEC'03)多单目标Pareto抽样IEEE出版社2678 2684
[24] Ishibuchi,H.N.Tsukamoto Y.Nojima 2008进化多目标优化:2008年进化计算大会论文集2424 2431·Zbl 1136.90466号
[25] 焦,计算机科学讲义第474页–(2005)
[26] 哈雷,《计算机科学讲义》第376页–(2003年)
[27] Knowles,使用帕累托存档进化策略逼近非支配前沿,进化计算8(2),第149–(2000)页
[28] Knowles,J.L.Thiele E.Zitzler 2006随机多目标优化器性能评估教程
[29] Kukkonen,S.J.Lampinen 2007年排名优势和多目标优化2007年IEEE进化计算大会(CEC’2007)3983 3990·Zbl 1153.65063号
[30] Kukkonen,S.K.Deb 2006a《第九届自然并行问题解决国际会议论文集》(PPSN IX)553 562
[31] Kukkonen,S.K.Deb 2006b基于拥挤距离改进双目标优化问题非支配解的修剪
[32] Laumanns,M.E.Zitzler L.Thiele 2000具有精英主义的多目标进化算法统一模型2000年进化计算大会46 53
[33] Laumanns,在进化多目标优化中结合收敛性和多样性,进化计算10(3)pp 263–(2002)
[34] Luh,MOIA:多目标免疫算法,工程优化35(2)第143页–(2003)
[35] 麦吉尔,箱线变化,《美国统计学家》32页,第12页–(1978)
[36] 鲁丁,真实与复杂分析(1987)
[37] Schaffer,J.D.1985遗传算法及其应用中向量评估遗传算法的多目标优化:第一届遗传算法国际会议论文集93 100·Zbl 0676.68047号
[38] Schott,J.R.1995使用单准则和多准则遗传算法优化的容错设计硕士论文
[39] Solteiro Pires,计算机科学课堂讲稿第165页–(2005)
[40] Srinivas,遗传算法中使用非支配排序的多目标优化,进化计算2(3)pp 221–(1994)
[41] Van Veldhuizen,D.A.G.B.Lamont 2000年2000年进化计算大会关于测量多目标进化算法性能204 211
[42] Wagner,《计算机科学讲义》第742页–(2007年)
[43] 而计算超体积的更快算法,IEEE Transactions on Evolutionary Computation 10(1)pp 29–(2006)·Zbl 1109.68639号
[44] 杨,基于非支配解的自适应多目标优化,计算智能25(2),第84页–(2009)
[45] Yen,《动态多目标进化算法:基于自适应单元的秩和密度估计》,IEEE进化计算汇刊7(3),第253页–(2003)
[46] Yoo,多准则设计中的免疫网络模拟,《结构优化》第18页第85页–(1999)·doi:10.1007/BF01195983
[47] Zhang,MOEA/D:基于分解的多目标进化算法,IEEE进化计算事务11(6),第712页–(2007)
[48] Zitzler,E.1999多目标优化的进化算法:方法与应用博士论文
[49] Zitzler,设计、优化和控制的进化方法及其在工业问题中的应用(EUROGEN 2001),第95页–(2001)
[50] Zitzler,并行问题解决,摘自Nature V第292页–(1998)
[51] Zitzler,《多目标进化算法:比较案例研究和强度帕累托方法》,IEEE进化计算汇刊3(4)第257页–(1999)
[52] Zitzler,E.S.Künzli 2004自然并行问题解决会议(PPSN VIII)多目标搜索中基于指标的选择,X.Yao 832 842编辑
[53] Zitzler,《多目标进化算法的比较:实证结果》,进化计算8(2),第173–(2000)页
[54] Zitzler,《多目标优化器的性能评估:分析与评论》,IEEE进化计算汇刊7(2),第117页–(2003)
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。