×
陈瑜;邹秀芬

获得Pareto前沿有限近似值的多目标进化算法的运行时分析。 （英文） Zbl 1329.90172号

信息科学。 262, 62-77 (2014).
摘要：以往进化多目标优化（EMO）的理论分析主要集中在获得Pareto前沿的（epsilon）近似。然而，在实际应用中，适当的\（\ε\）值是关键的，但对于属性未知的多目标优化问题（MOP），有时很难确定。在本文中，我们提出了一种新的Pareto前沿有限表示定义——自适应Pareto前端，它可以自动适应Pareto前线。因此，将自适应Pareto前沿或其（epsilon）近似值（称为自适应Pareto-front）作为EMO算法的目标更为实用。然后，我们对三个MOP（（{\mu}+1））多目标进化算法（（{\ mu}+1以及一个简单的连续两目标优化问题（SCTOP）。通过在（{\mu}+1））MOEA中采用基于估计量的更新策略，我们证明了（1）对于多项式DMOP，通过将种群大小（{\mu}）设置为等于Pareto向量的数量，可以在期望的多项式运行时间内获得整个Pareto前沿；（2） 对于指数型DMOP，期望的多项式运行时间可以通过保持（{\mu}）与问题大小（n）的增加顺序相同来获得；（3）分集机制保证在预期的多项式运行时间内，MOEA可以获得任意给定精度的SCTOP的自适应Pareto前沿。理论研究和与NSGA-II的数值比较证明了所提出的MOEA的效率，应该被视为理解MOEA机制的重要一步。

引用于4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

关键词：

运行时分析;多目标进化算法;Pareto锋的有限近似

软件：

表情符号;SPEA2公司;MOEA/D公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Chen}和\textit{X.Zou}，信息科学。262、62--77（2014年；Zbl 1329.90172）
全文： 内政部

参考文献：

[1] Berghammer，R。；弗里德里希，T。；Neumann，F.，基于集合的多目标优化、指标和恶化循环的收敛性，Theor。计算。科学。，45, 2-17 (2012) ·Zbl 1254.90202号
[2] 比姆，N。；Naujoks，B。；Emmerich，M.，SMS-EMOA:基于支配超体积的多目标选择，欧洲期刊Oper。研究，181，3，1653-1669（2007）·Zbl 1123.90064号
[3] 比姆，N。；Laumanns，M。；Rudolph，G.，（1+1）进化多目标优化算法的收敛速度，（第11届国际自然并行问题解决会议论文集。第11届世界自然并行问题求解会议论文集，LNCS，第6238卷（2010），Springer:Springer-Blin），597-606
[4] 比姆，N。；Laumanns，M。；Rudolph，G.，连续双目标问题类上SMS-EMOA的收敛速度，（遗传算法基础程序（2011），ACM），243-251·Zbl 1369.90153号
[5] 布罗克霍夫，D。；弗里德里希，T。；Neumann，F.，《分析基于超体积指标的算法》，（第十届国际自然并行问题解决会议论文集。第十届世界自然并行问题求解会议论文集，LNCS，第5199卷（2008），Springer:Springer-Blin），651-660
[6] 布罗克霍夫，D。；弗里德里希，T。；北赫宾浩斯。；克莱因，C。；Neumann，F。；Zitzler，E.，《关于向平台函数添加目标的影响》，IEEE Trans。循环。系统。视频。技术。，13, 3, 591-603 (2009)
[7] Coello Coello，C.A.，《进化多目标优化：当前的一些研究趋势和有待探索的主题》，《前沿计算》。科学。中国，3，18-30（2009）
[8] 陈，Y。；邹，X。；Xie，W.，多目标进化算法收敛到Pareto前沿的均匀分布表示，Inf.Sci。，181, 16, 3336-3355 (2011) ·Zbl 1242.90299号
[9] Cheng，C。；Wang，W。；徐，D。；Chau，K.W.，《使用混合遗传算法和混沌优化水电站水库运行》，《水资源》。管理。，22, 895-909 (2008)
[10] 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。进化。计算。，6, 2, 182-197 (2002)
[11] 艾默里奇，M。；比姆，N。；Naujoks，B.，《使用超体积度量作为选择标准的EMO算法》，（第三届进化多准则优化国际会议论文集。第三届演化多准则优化会议论文集，LNCS，第3410卷（2005），Springer:Springer-Blin），62-76·Zbl 1109.68595号
[12] 弗里德里希，T。；Horoba，C。；Neumann，F.，进化多目标优化中公平性的说明，Theor。计算。科学。，412, 17, 1546-1556 (2011) ·Zbl 1211.90209号
[13] 龚·D·W。；Sun，J。；Ji，X.F.，区间多目标优化问题的偏好多面体进化算法，信息科学。，233, 141-161 (2013) ·Zbl 1284.90099号
[14] Giel，O.，简单多目标进化算法的预期运行时间，（2003年IEEE进化计算会议（2003），IEEE:IEEE NJ），1918-1925
[15] Giel，O。；Lehre，P.K.，关于种群在进化多目标优化中的作用，Evol。计算。，18335-356（2010年）
[16] Hanne，T.，用于逼近有效集的多目标进化算法，Eur.J.Oper。研究，1761723-1734（2007）·Zbl 1110.90050
[17] He，J。；Yao，X.，漂移分析和进化算法的平均时间复杂性，Artif。英特尔。，127, 1, 57-85 (2001) ·Zbl 0971.68129号
[18] H oroba，C。；N eumann，F.，《进化多目标优化中使用（∊）优势的优点和缺点》，（2008年遗传与进化计算会议论文集，2008年遗传和进化计算会议文献集，GECCO（2008），ACM），641-648
[19] Horoba，C。；Neumann，F.，通过进化多目标算法对Pareto-optimal集进行加性近似，（《遗传算法基础程序》，《遗传算法的基础程序》（FOGA，2009），ACM），79-86·Zbl 1369.90158号
[20] Horoba，C.，探索多目标最短路径问题进化算法的运行时间，Evol。计算。，18, 3, 357-381 (2010)
[21] Hughes，E.J.，《进化多目标优化：多次还是多次？》？，（2005年IEEE进化计算会议议事录
[22] 贾伟。；Ling，B。；Chau，K.W。；Heutte，L.，使用限制融合进行掌纹识别，应用。数学。计算。，205, 927-934 (2008) ·Zbl 1152.68682号
[23] 焦立中。；王海德。；Shang，R.H。；刘凤，基于方向向量的协同进化多目标优化算法，信息科学。，228, 90-112 (2013) ·Zbl 1293.90066号
[24] Knowles，J.D。；Corne，D.W.，使用帕累托存档进化策略逼近非支配前沿，Evol。计算。，8149-172（2000年）
[25] Knowles，J.D。；Corne，D.W.，《存储非支配向量的自适应存档算法的特性》，IEEE Trans。进化。计算。，7, 2, 100-116 (2003)
[26] Laumanns，M。；Thiele，L。；Deb，K。；Zitzler，E.，在进化多目标优化中结合收敛性和多样性，Evol。计算。，10, 3, 263-282 (2002)
[27] Laumanns，M。；Thiele，L。；Welzl，E。；Deb，K.，简单离散优化问题上多目标进化算法的运行时间分析，（2002年并行问题解决国际会议Proc.of 2002 International Conference on Parallel problem Solving From Nature，2002年国际并行问题解决会议Proc.on Paralle problem Solving Fron Nature，LNCS，vol.2439（2002），Springer），44-53
[28] Laumanns，M。；Thiele，L。；Zitzler，E.，伪布尔函数多目标进化算法的运行时间分析，IEEE Trans。进化。计算。，8, 2, 170-182 (2004)
[29] 李凯。；Kwong，S。；王，R。；Tang，K.S。；Man，K.F.，基于跳跃基因的学习范式：增强进化多目标优化探索的一般框架，信息科学。，226，1-22（2013）·兹比尔1293.90067
[30] Lin，J.Y。；Cheng，C.T。；Chau，K.W.，使用支持向量机进行长期流量预测，Hydrol。科学。J.，51，599-612（2006）
[31] Neumann，F.，多目标最小生成树问题的简单进化算法的预期运行时间，Eur.J.Oper。Res.，1811620-1629（2007）·Zbl 1123.90067号
[32] 舒茨，O。；Laumanns，M。；Coello Coello，C.A.，随机搜索算法收敛于有限大小的Pareto集近似，J.Global Optim。，41, 559-577 (2008) ·Zbl 1152.90598号
[33] 舒茨，O。；Lara，A。；Coello Coello，C.A.，《目标数对多目标优化问题硬度的影响》，IEEE Trans。进化。计算。，15, 4, 444-455 (2011)
[34] Tan，Y.Y。；Jiao，Y.C。；李，H。；Wang，X.K.，针对复杂Pareto集的多目标优化问题对MOEA/D-DE的修改，信息科学。，213, 14-38 (2012) ·Zbl 1251.90359号
[35] 唐立新。；Wang，X.P.，多目标优化问题的混合多目标进化算法，IEEE Trans。进化。计算。，17, 1, 20-45 (2013)
[36] Wu，C.L。；Chau，K.W。；Li，Y.S.，使用数据驱动模型结合数据预处理技术预测月径流，水资源。第45号决议（2009年）
[37] 谢建新。；Cheng，C.T。；Chau，K.W。；Pei，Y.Z.，太阳黑子活动多步预测的混合自适应时滞神经网络模型，国际环境杂志。波卢特。，28, 364-381 (2006)
[38] 张，Q。；Li，H.，MOEA/D：基于分解的多目标进化算法，IEEE Trans。进化。计算。，11, 6, 712-731 (2007)
[39] 张杰。；Chau，K.W.，通过新型多亚温粒子群优化进行多层集成修剪，J.Universal Compute。科学。，15, 840-858 (2009)
[40] 周，Y。；He，J.，基于网格的自适应多目标进化算法的收敛性分析，Inf.Process。莱特。，104117-122（2007年）·兹比尔1184.68614
[41] Zitzler，E。；Thiele，L.，《多目标进化算法：比较案例研究和强度Pareto方法》，IEEE Trans。进化。计算。，3, 4, 257-271 (1999)
[43] Zitzler，E。；Künzli，S.，多目标搜索中基于指标的选择，（第八届自然并行问题解决国际会议论文集。第八届自然界并行问题解决问题国际会议论文集中，LNCS，第886卷（2004），Springer:Springer Berlin），832-842
[44] 邹，X。；陈，Y。；刘，M。；Kang，L.，解决多目标优化问题的新进化算法，IEEE Trans。系统。人类网络。B部分，38，5，1402-1412（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。