×
李耀航

MOMCMC：实参数空间多目标采样的有效蒙特卡罗方法。 （英语） Zbl 1268.65002号

计算。数学。申请。 64，编号11，3542-3556（2012）.
摘要：我们提出了一种新的基于人群的蒙特卡罗方法，即MOMCMC（多目标马尔可夫链蒙特卡罗），用于在实际参数空间中存在多个目标函数的情况下进行采样。MOMCMC方法是为了解决“多目标抽样”问题而设计的，它不仅有助于探索多目标函数函数空间中Pareto最优前沿的多样化解决方案，也有助于寻找前沿的多样化解。MOMCMC将差分进化（DE）风格的交叉融合到马尔可夫链蒙特卡罗（MCMC）中，以自适应地从当前种群中提出新的解决方案。MOMCMC的适应度分配方案考虑了优势的重要性，同时平衡了解的最优性和多样性。此外，MOMCMC中的接受率用于控制Pareto最优前沿附近解的采样带宽。因此，MOMCMC与高维ZDT基准函数的计算结果表明，它在获得Pareto最优前沿或附近的解样本方面是有效的。与现有的用于多目标优化的蒙特卡罗采样方法MOSCEM（multi-objective Shuffled Complex Evolution Metropolis）相比，MOMCMC显著更快地收敛到Pareto最优前沿。此外，由于人口规模较小，MOMCMC在采样复杂的多目标函数空间时也表现出了有效性。

MSC公司：

65二氧化碳 蒙特卡罗方法
60J22型 马尔可夫链中的计算方法

关键词：

马尔科夫蒙特卡洛;多目标抽样;Pareto最佳前部;汇聚

软件：

博格;SPEA2公司;MOEA/天
PDF格式BibTeX公司 XML格式引用
\textit{Y.Li}，计算。数学。申请。64，No.11，3542--3556（2012；Zbl 1268.65002）
全文： 内政部

参考文献：

[1] Deb，K.，《使用进化算法的多目标优化》（2001），John Wiley&Sons·Zbl 0970.90091号
[2] 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进化计算汇刊，6182-197（2002）
[3] E.Zitzler，M.Laumanns，L.Thiele，SPEA2:改进强度Pareto进化算法，TIK-103，瑞士联邦理工学院电气工程系，瑞士苏黎世，2001年。；E.Zitzler，M.Laumanns，L.Thiele，SPEA2：改进强度Pareto进化算法，TIK-103，瑞士苏黎世联邦理工学院电气工程系，2001年。
[4] J.Knowles，D.Corne，《帕累托存档进化策略：多目标优化的新基线算法》，载于：《1999年进化计算大会论文集》，1999年。；J.Knowles，D.Corne，《帕累托存档进化策略：多目标优化的新基线算法》，载于：《1999年进化计算大会论文集》，1999年。
[5] 科埃略·科埃略，C.A。；拉蒙特，G.B。；Van Veldhuizen，D.A.，解决多目标问题的进化算法（2007），施普林格：施普林格柏林，德国·Zbl 1142.90029号
[6] Deb，K。；莫汉，M。；Mishra，S.，评估基于（ε）支配的多目标进化算法以快速计算帕累托最优解，IEEE进化计算汇刊，13，4，501-502（2005）
[7] 张庆福。；Li，H.，MOEA/D:基于分解的多目标进化算法，IEEE进化计算汇刊，11，6，712-731（2007）
[8] Auger，A。；Bader，J。；布罗克霍夫，D。；Zitzler，E.，《基于超体积的多目标优化：理论基础和实际意义》，《理论计算机科学》，42575-103（2012）·兹比尔1242.90205
[9] 哈德卡，D。；Reed，P.，Borg:一种自适应多目标进化计算框架，IEEE进化计算汇刊，1-30（2012）
[10] Vrugt，J.A。；Robinson，B.A.，《通过遗传适应性多方法搜索改进进化优化》，《美国国家科学院学报》，104，708-711（2007）
[11] Agrafiotis，D.K.，组合库的多目标优化，IBM研究与开发杂志，45，3-4，545-566（2001）
[12] Y.Li，I.Rata，E.Jakobsson，《集成多个评分函数以改进蛋白质环结构构象空间采样》，载于：IEEE生物信息学和计算生物学计算智能研讨会论文集，2010年。；Y.Li，I.Rata，E.Jakobsson，《集成多个评分函数以改进蛋白质环结构构象空间采样》，载于：IEEE生物信息学和计算生物学计算智能研讨会论文集，2010年。
[13] 李毅。；拉塔，I。；Jakobsson，E.，采样多个评分函数可以提高蛋白质环结构预测的准确性，《化学信息与建模杂志》，51，71656-666（2011）
[14] 北卡罗来纳州大都会。；罗森布鲁斯，A.W。；Rosenbluth，M.N。；出纳员，A.H。；Teller，E.，用快速计算机器计算状态方程，化学物理杂志，211087-1092（1953）·Zbl 1431.65006号
[15] Hastings，W.K.，《使用马尔可夫链的蒙特卡罗采样方法及其应用》，《生物统计学》，第57期，第97-109页（1970年）·Zbl 0219.65008号
[16] 柯克帕特里克，S。；盖拉特，C.D。；Vecchi，M.P.，《模拟退火优化》，《科学》，220671-680（1983）·Zbl 1225.90162号
[17] E.马里纳里。；Parisi，G.，《模拟回火：一种新的蒙特卡罗方案》，《欧洲物理快报》，19451-458（1992）
[18] 西普曼，J.I。；Frenkel，D.，《组态偏差蒙特卡罗：柔性链的一种新取样方案》，《分子物理》，75，1，59-70（1992）
[19] Geyer，C.J。；汤普森，E.A.，《退火马尔可夫链蒙特卡罗及其在祖先推断中的应用》，美国统计协会杂志，90，909-920（1995）·Zbl 0850.62834号
[20] Vrugt，J.A。；古普塔，H.V。；洛杉矶巴斯蒂达斯。；布特姆，W。；Sorooshian，S.，《水文模型多目标优化的高效算法》，《水资源研究》，39，8，1214-1232（2002）
[21] Tang，Y。；里德·P。；Wagener，T.，水文模型校准中多目标进化算法的有效性和效率如何？，水文与地球系统科学，10289-307（2006）
[22] 斯托恩，R。；Price，K.，差分进化——连续空间上全局优化的一种简单有效的启发式算法，《全局优化杂志》，11，4，341-359（1997）·Zbl 0888.90135号
[23] Zitzler，E。；Deb，K。；Thiele，L.，《多目标进化算法的比较：实证结果》，IEEE进化计算汇刊，8，2，173-195（2000）
[24] Ter Braak，C.J.F.，遗传算法差分进化的马尔可夫链蒙特卡罗版本：实参数空间的简易贝叶斯计算，统计与计算，16，239-249（2006）
[25] J.古德曼。；Sokal，A.，《多重网格蒙特卡罗方法：概念基础》，《物理评论》D，40，6，2035-2071（1989）
[26] Berg，B.A.，《马尔可夫链蒙特卡罗模拟及其统计分析》（2004），《世界科学》，第197页·Zbl 1065.65004号
[27] J.Michal，J.Dobes，D.Cerny，Pareto前沿渐近均匀覆盖的多目标优化，收录于：IEEE电路与系统国际研讨会论文集，2010年。；J.Michal，J.Dobes，D.Cerny，Pareto前沿渐近均匀覆盖的多目标优化，收录于：IEEE电路与系统国际研讨会论文集，2010年。
[28] Zitzler，E。；Thiele，L.，《多目标进化算法：比较案例研究和强度Pareto方法》，IEEE进化计算汇刊，3，4，257-271（1999）
[29] Liu，J.S.，科学计算中的蒙特卡罗策略（2001），施普林格·Zbl 0991.65001号
[30] 莱文，D.A。；佩雷斯，Y。；Wilmer，E.L.，《马尔可夫链和混合时间》（2008），美国数学学会：美国数学学会普罗维登斯，RI
[31] J.D.欧文斯。；Luebke，D。；Govindaraju，N。；哈里斯，M。；Krüger，J。；Lefohn，A.E。；Purcell，T.，《图形硬件通用计算调查》，计算机图形论坛，26，1，80-113（2007）
[32] 朱伟。；Yaseen，A。；Li，Y.，DEMCMC-GPU:一种基于费米体系结构的高效GPU加速多目标优化方法，新一代计算，29，2，163-184（2011）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。