×
林秋珍;朱庆玲;黄培植;陈建勇;明，钟;于建平

一种新的具有自适应差分进化的混合多目标免疫算法。 （英语） Zbl 1348.90562号

计算。操作。物件。 62, 95-111 (2015).
摘要：本文提出了一种新的具有自适应差分进化的混合多目标免疫算法ADE-MOIA，该算法将差分进化（DE）引入多目标免疫（MOIA）中，结合了各自的优点，增强了求解各种MOP的鲁棒性。在ADE-MOIA中，为了有效地将DE与MOIA结合起来，我们提出了一种新的自适应DE算子，包括合适的父选择策略和新的自适应参数控制方法。在进行DE运算时，从当前进化和主导的种群中分别挑选两个亲本，以提供正确的进化方向。此外，根据进化进程和后代的成功率，DE算子中的交叉率和比例因子对每个个体进行自适应改变。实验结果表明，所提出的自适应DE算子能够提高收敛速度和种群多样性。将ADE-MOIA与几种自然启发的启发式算法（如NSGA-II、SPEA2、AbYSS、MOEA/D-DE、MIMO和D2MOPSO）进行比较，仿真结果表明，ADE-MOEA在21个著名的基准问题中的大多数问题上表现得更好。

引用于7文件

MSC公司：

90C29型 多目标规划
90C59 数学规划中的近似方法和启发式

关键词：

多目标优化;免疫算法;差异演化;自适应参数控制

软件：

需求;MOEA/D公司;SPEA2公司;j金属;D2莫普索;深渊;WBMOAIS公司
PDF格式BibTeX公司 XML格式引用
\textit{Q.Lin}等人，计算。操作。第62、95-111号决议（2015年；Zbl 1348.90562）
全文： 内政部

参考文献：

[1] Silva，M.M。；Subramanian，A。；Ochi，L.S.，分割配送车辆路径问题的迭代局部搜索启发式算法，Compute Oper Res，53，234-249（2015）·Zbl 1348.90129号
[2] 巴塔尔，N。；Pham，M.-T。；Koh，C.-S.，电磁问题多目标全局优化的多重引导和非支配排序差分进化算法，IEEE Trans-Magn，49，5，2105-2108（2013）
[3] 薛凤。；桑德森，A.C。；Graves，R.J.，《设计供应商制造规划的多目标进化决策支持》，IEEE Trans-Syst Man Cybern第A部分：Syst Hum，39，2，309-320（2009）
[4] 法塔希，M。；马胡奇，M。；Mosadegh，H。；Fallahi，F.，《基于运行时间的电力系统发电机组维护计划的新方法》，《计算运营研究》，50，61-79（2014）·Zbl 1348.90211号
[5] Chiang，T.-C。；Hsu，W.-H.，带时间窗的多目标车辆路径问题的基于知识的进化算法，Comput Oper Res，45，25-37（2014）·Zbl 1348.90633号
[6] 清道尔吉，R。；Wang，Y.，job shop调度问题的一种新的混合遗传算法，Compute Oper Res，39，10，2291-2299（2012）·Zbl 1251.90178号
[7] 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）
[8] Tan，Y.-Y。；焦，Y.-C。；李，H。；Wang，X.-K.，MOEA/D+均匀设计：用于多目标优化问题的新版本MOEA/D，Comput Oper Res，40，6，1648-1660（2013）·Zbl 1348.90566号
[12] Srinivas，N。；Deb，K.，在遗传算法中使用非支配排序的多目标优化，进化计算，2，3，221-248（1994）
[13] 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-Evol Compute，3，4，257-271（1999）
[16] 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-Evol Compute，6，2，182-197（2002）
[17] Beausolel，R.P.，应用于非线性多准则优化的MOSS多目标分散搜索，Eur J Oper Res，169，2426-449（2006）·Zbl 1079.90120号
[18] 洪，M.-H。；舒，L.-S。；Ho，S.-J。；黄光裕。；Ho，S.-Y.，用于设计鲁棒PID控制器的新型智能多目标模拟退火算法，IEEE Trans-Syst Man-Cybern第A部分：Syst Hum，38，2，319-330（2008）
[19] 詹振华。；Li，J.J。；曹建南（Cao，J.N.）。；张杰。；Chung，H.S.H。；Shi，Y.H.，多目标多种群-解决多目标优化问题的协同进化技术，IEEE Trans Cybern，43，2，445-463（2013）
[20] Lopez-Ibanez，M。；Stutzle，T.，《多目标蚁群优化算法的自动设计》，IEEE Trans-Evol Compute，16，6，861-875（2012）
[21] 李凯。；Fialho，A。；Kwong，S。；Zhang，Q.，基于分解的多目标进化算法的带强盗的自适应算子选择，IEEE Trans-Evol Compute，18，1，114-130（2014）
[23] Nebro，A.J。；Luna，F。；E.阿尔巴。；多罗索罗，B。；Durillo，J.J。；Beham，A.，AbYSS：将分散搜索应用于多目标优化，IEEE Trans-Evol Compute，12，4，439-457（2008）
[24] Tang，L。；Wang，X.，多目标优化问题的混合多目标进化算法，IEEE Trans-Evol Compute，17，1，20-45（2013）
[25] Al Moubayed，N。；彼得罗夫斯基，A。；McCall，J.，（D^2）MOPSO：基于分解和优势的多目标粒子群优化算法。，（Hao.，Jin-Kao；Middendorf，Martin，《组合优化中的进化计算》，《计算机科学讲义》，第7245卷（2012），施普林格：施普林格柏林，海德堡），75-86，http://link.springer.com/chapter/10.1007 ·Zbl 1292.90322号
[26] Al Moubayed，N。；彼得罗夫斯基，A。；McCall，J.，（D^2）MOPSO:基于目标和解决方案空间中使用拥挤距离进行归档的分解和支配的MOPSO，Evol-Comput，22，1，47-77（2014）
[27] 龚·W。；阿拉巴马州菲亚略。；蔡，Z。；Li，H.，数值优化微分进化中的自适应策略选择：一项实证研究，Inf Sci，181，2455364-5386（2011）
[28] 秦，A.K。；黄，V.L。；Suganthan，P.N.，《具有全局数值优化策略自适应的差分进化算法》，IEEE Trans-Evol Compute，13，2，398-417（2009）
[30] Santana-Quintero，L.V.公司。；埃尔南德斯·迪亚斯（A.G.Hernández-Díaz）。；莫利纳，J。；科埃洛·科埃洛，C.A。；Caballero，R.，DEMORS:一种使用差分进化和粗糙集理论解决约束问题的混合多目标优化算法，Comput Oper Res，37，3，470-480（2010）·兹比尔1175.90364
[31] 张，Q。；Li，H.，MOEA/D:基于分解的多目标进化算法，IEEE Trans-Evol Compute，11，6，712-731（2007）
[32] 李，H。；Zhang，Q.，具有复杂Pareto集的多目标优化问题，MOEA/D和NSGA-II，IEEE跨进化计算，13，2284-302（2009）
[34] Venske，S.M。；Gonçalves，R.A。；Delgado，M.R.，ADEMO/D:通过自适应差分进化算法进行多目标优化，神经计算，127，65-77（2014）
[35] Hofmeyr，S.A。；Forrest，S.，人工免疫系统的架构，进化计算，8，4，443-473（2000）
[36] Harmer，P.K。；威廉姆斯，P.D。；Gunsch，G.H。；Lamont，G.B.，《计算机安全应用的人工免疫系统架构》，IEEE Trans-Evol Compute，6，3，252-280（2002）
[37] 林，Q。；Chen，J.，一种新的微种群免疫多目标优化算法，Compute Oper Res，40，6，1590-1601（2013）·Zbl 1348.90638号
[38] 哈希姆，F。；穆纳辛格，K.S。；Jamalipour，A.，《关于负选择和危险理论激发的异构网络安全》，IEEE Wirel Commun，19，3，73-84（2012）
[40] Huband，S。；辛斯顿，P。；巴龙，L。；While，L.，《多目标测试问题和可扩展测试问题工具包综述》，IEEE Trans-Evol Compute，10，5，477-506（2006）
[41] Zitzler，E。；Deb，K。；Thiele，L.，《多目标进化算法的比较：实证结果》，进化计算，8，2，173-195（2000）
[42] 博斯曼，P.A.N。；Thierens，D.，《多目标进化算法中接近性和多样性的平衡》，IEEE Trans-Evol Compute，7，2，174-188（2003）
[43] 亨特，J.E。；库克，D.E.，《使用人工免疫系统学习》，J Netw Comput Appl，19，2，189-212（1996）
[45] 德卡斯特罗，L.N。；Von Zuben，F.J.，使用克隆选择原理的学习和优化，IEEE Trans Evol-Comput，6，3，239-251（2002）
[46] 科埃罗，C.A.C。；Cortés，N.C.，使用人工免疫系统解决多目标优化问题，Genet Program Evolvable Mach，6,2163-190（2005）
[47] 龚，M。；Jiao，L。；杜，H。；Bo，L.，基于非支配邻域选择的多目标免疫算法，进化计算，16，2，225-255（2008）
[48] 史J。；龚，M。；马伟（Ma，W.）。；Jiao，L.，多目标免疫算法的多种群协同进化策略，科学世界杂志，539128（2014）
[49] Hu，Z.-H.，一种基于多亲和模型的多目标免疫算法，《欧洲运营研究杂志》，202，1，60-72（2010）·Zbl 1173.90531号
[50] Sun，F。；陈，Y。；Wu，W.，使用聚类的多目标优化免疫算法，计算智能系统通信计算信息科学，234，242-251（2011）
[51] 高杰。；Wang，J.，WBMOAIS:一种用于多目标优化的新型人工免疫系统，Comput Oper Res，37，1，50-61（2010）·兹比尔1171.90518
[52] Shang，R。；焦，L。；刘，F。；Ma，W.，用于MO问题的新型免疫克隆算法，IEEE Trans-Evol Compute，16，1，35-50（2012）
[53] Zinflou，A。；加涅，C。；Gravel，M.，GISMOO:一种用于多目标优化的新型混合遗传/免疫策略，Compute Oper Res，39，9，1951-1968（2012）·Zbl 1251.90362号
[54] Tan，K.C。；Goh，C.K。；马蒙，A.A。；Ei，E.Z.，《用于多目标优化的进化人工免疫系统》，《欧洲运营研究杂志》，187，2，371-392（2008）·Zbl 1149.90081号
[55] 陈，J。；林，Q。；Ji，Z.，一种混合免疫多目标优化算法，Eur J Oper Res，204，2，294-302（2010）·Zbl 1178.90302号
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。