×
英格丽达·斯特波纳维奇；罗布·亨德曼。；凯特·史密斯·迈尔斯；劳拉·维拉诺娃

Pareto最优集逼近的动态算法选择。 （英语） Zbl 1359.90133号

J.全球。最佳方案。 67，编号1-2，263-282（2017）.
摘要：本文提出了一种元算法，用于在给定有限数量的目标函数求值的情况下，逼近代价高昂的黑盒多目标优化问题的Pareto最优集。其关键思想是在优化搜索期间根据每个算法当时的预测性能在不同算法之间切换。算法性能是使用基于可用信息的机器学习技术建模的。然后选择预测的最佳算法运行有限数量的评估。该方法在几个基准问题上进行了测试，并将结果与仅使用任何一个候选算法获得的结果进行了比较。

引用于1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：

多目标优化；昂贵的黑盒功能；机器学习；分类；算法选择；超体积度量；特征

软件：

fminsearch公司；EGO公司；j金属；加权超卷；HypE公司；ParEGO公司
PDF格式BibTeX公司 XML格式引用
\textit{I.Steponavič}等人，J.Glob。最佳方案。67，编号1--2，263--282（2017；Zbl 1359.90133）
全文： 内政部

参考文献：

[1] Bader，J.，Zitzler，E.：Hype：基于快速超体积的多目标优化算法。进化计算19（1），45-76（2011）·doi:10.1116/EVCO_a_00009
[2] Borrett，J.E.，Tsang，E.P.：适应性约束满足：最快的第一原则。摘自：《计算智能》，第203-230页。施普林格（2009）·兹比尔1184.68470
[3] Breiman，L.：随机森林。机器。学习。45(1), 5-32 (2001) ·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324
[4] Deb，K.：《使用进化算法的多目标优化》，第16卷。威利，纽约（2001）·Zbl 0970.90091号
[5] Deb，K.，Pratap，A.，Agarwal，S.，Meyarivan，T.：一种快速的精英多目标遗传算法：NSGA-II。IEEE传输。进化。计算。6(2), 182-197 (2002) ·数字对象标识代码：10.1109/4235.996017
[6] Durillo，J.J.，Nebro，A.J.：jMetal：多目标优化的java框架。高级工程师软件。42(10), 760-771 (2011) ·doi:10.1016/j.advengsoft.2011.05.014
[7] Feng，Z.，Zhang，Q.，Zheng，Q.、Zhang、Q.、Tang，Q..、Yang，T.、Ma，Y.：一个基于多目标优化的框架，用于在昂贵的优化中平衡全球勘探和本地开采。J.全球。最佳方案。61, 677-694 (2014) ·Zbl 1323.90045号
[8] Forrester，A.I.，Keane，A.J.：基于代理优化的最新进展。掠夺。Aerosp.航空公司。科学。45(1-3), 50-79 (2009) ·doi:10.1016/j.paeroci.2008.11.001
[9] Gao，F.，Han，L.：使用自适应参数实现Nelder-Mead单纯形算法。计算。最佳方案。申请。51(1), 259-277 (2012) ·Zbl 1245.90121号 ·doi:10.1007/s10589-010-9329-3
[10] Garrett，D.，Dasgupta，D.：多目标景观分析和广义分配问题。摘自：《学习与智能优化》，第110-124页。施普林格（2008）
[11] Han，L.，Neumann，M.：维数对Nelder-Mead单纯形方法的影响。最佳方案。方法软件。21(1), 1-16 (2006) ·Zbl 1181.90290号 ·doi:10.1080/105567805123318290
[12] Jiang，S.，Ong，Y.S.，Zhang，J.，Feng，L.：多目标优化中性能指标的一致性和矛盾性。IEEE传输。赛博。44(12), 2391-2404 (2014) ·doi:10.1109/TCYB.2014.2307319
[13] Jin，R.，Chen，W.，Simpson，T.：多建模标准下的元建模技术比较研究。结构。多磁盘。最佳方案。23(1), 1-13 (2001) ·doi:10.1007/s00158-001-0160-4
[14] Jones，D.R.，Schonlau，M.，Welch，W.J.：昂贵的黑盒函数的高效全局优化。J.全球。最佳方案。13(4), 455-492 (1998) ·Zbl 0917.90270号 ·doi:10.1023/A：1008306431147
[15] Kaelbling，L.P.，Littman，M.L.，Moore，A.W.：强化学习：一项调查。J.阿蒂夫。智力。第4号决议，237-285（1996年）·Zbl 0229.65053号
[16] Knowles，J.：Parego：一种用于昂贵的多目标优化问题的带有在线横向近似的混合算法。IEEE传输。进化。计算。10(1), 50-66 (2006) ·doi:10.1109/TEVC.2005.851274
[17] Koduru，P.，Dong，Z.，Das，S.，Welch，S.M.，Roe，J.L.，Charbit，E.：用于优化基因网络微分方程模型的多目标进化-复杂混合方法。IEEE传输。进化。计算。12(5), 572-590 (2008) ·doi:10.1109/TEVC.2008.917202
[18] Kolda，T.G.，Lewis，R.M.，Torczon，V.：直接搜索优化：一些经典和现代方法的新视角。SIAM版本45（3），385-482（2003）·兹比尔1059.90146 ·doi:10.1137/S003614450242889
[19] Kursawe，F。；施维费尔，惠普（编辑）；Mnner，R.（编辑），向量优化进化策略的变体，第496193-197号（1991），柏林·doi:10.1007/BFb0029752
[20] Lagarias，J.C.，Reeds，J.A.，Wright，M.H.，Wright，P.E.：低维Nelder-Mead单纯形法的收敛性。SIAM J.Optim公司。9(1), 112-147 (1998) ·Zbl 1005.90056号 ·doi:10.1137/S1052623496303470
[21] Lagoudakis，M.G.，Littman，M.L.：使用强化学习的算法选择。摘自：ICML，第511-518页。Citeser（2000）·兹比尔1059.90146
[22] Luersen，M.A.，Le Riche，R.：工程优化的全球化Nelder-Mead方法。计算。结构。82(23), 2251-2260 (2004) ·doi:10.1016/j.compstruc.2004.03.072
[23] Marler，R.T.，Arora，J.S.：工程多目标优化方法综述。结构。多磁盘。最佳方案。26(6), 369-395 (2004) ·Zbl 1243.90199号 ·doi:10.1007/s00158-003-0368-6
[24] Miettinen，K.：非线性多目标优化，第12卷。柏林施普林格科技与商业媒体（1999）·Zbl 0949.90082号
[25] Mockus，J.：全局优化的贝叶斯方法。Kluwer学术出版社，Dordrecht（1989）·Zbl 0693.49001号 ·doi:10.1007/978-94-009-0909-0
[26] Nelder，J.A.，Mead，R.：函数最小化的单纯形方法。计算。J.7（4），308-313（1965）·Zbl 0229.65053号 ·doi:10.1093/comjnl/7.4.308
[27] Okabe，T。；Jin，Y。；Sendhoff，MOB；Yao，X.（编辑）；Burke，E.（编辑）；Lozano，J.（编辑）；Smith，J.（编辑）；Merelo-Guervs，J.（编辑）；Bullinaria，J.（编辑）；Rowe，J.（编辑）；Tio，P.（编辑）；Kabn，A.（编辑）；Schwefel，HP（ed.），《进化多目标优化的测试函数》，第3242、792-802号（2011），柏林·doi:10.1007/978-3-540-30217-9_80
[28] Pham，N.，Wilamowski，B.M.：改良Nelder Meads单纯形法及其应用。J.计算。3(3), 55-63 (2011)
[29] Ponweiser，W。；瓦格纳，T。；比尔曼，D。；文斯，M。；鲁道夫·G（编辑）；Jansen，T.（编辑）；Beume，N.（编辑）；Lucas，S.（编辑）；Poloni，C.（编辑），使用模型辅助评估有限预算的多目标优化{S} S公司\]-公制选择，编号5199，784-794（2008），柏林·doi:10.1007/978-3-540-87700-4_78
[30] Rice，J.R.：算法选择问题。计算。科学。技术代表（1975年）。http://docs.lib.purdue.edu/cstech/99
[31] 桑塔纳-昆特罗，L。；蒙塔诺，A。；科埃罗，CC；Tenne，Y.（编辑）；Goh，CK（编辑），《进化多目标优化中处理昂贵函数的技术综述》，第2期，29-59（2010），柏林·doi:10.1007/978-3-642-10701-62
[32] 斯蒂波纳维奇，I.，Hyndman，R.J.，Smith-Miles，K.，Villanova，L.：帕累托最优集的有效识别。摘自：《学习与智能优化》，第341-352页。施普林格国际出版公司（2014）·Zbl 1359.90133号
[33] Torczon，V.J.：多向搜索：并行机的直接搜索算法。Citeser博士论文（1989）
[34] Törn，A.，繃ilinskas，A.：全局优化。施普林格，纽约州纽约市（1989年）·Zbl 0752.90075号
[35] Van Veldhuizen，D.A.，Lamont，G.B.：多目标进化算法测试套件。摘自：1999年ACM应用计算研讨会论文集，第351-357页。ACM（1999）
[36] Viennet，R.、Fonteix，C.、Marc，I.：基于二倍体遗传算法的新多准则优化方法：工业问题示例。摘自：《欧洲人工进化会议论文选集》，第120-127页。施普林格，伦敦（1996）·Zbl 0917.90270号
[37] Wagner，T.：通过经验替代模型对制造过程进行规划和多目标优化。埃森·瓦尔坎（2013）
[38] Wu，J.，Azarm，S.：多目标设计优化解决方案集的质量评估指标。J.机械。设计。123(1), 18-25 (2001) ·数字对象标识代码：10.1115/1.1329875
[39] Zahara，E.，Kao，Y.T.：约束工程设计问题的混合Nelder-Mead单纯形搜索和粒子群优化。专家系统。申请。36(2), 3880-3886 (2009) ·doi:10.1016/j.eswa.2008.02.039
[40] Zapotecas-Martínez，S.，Coello，C.A.C.：Monss：一种多目标非线性单纯形搜索方法。工程优化。48, 16-38 (2016)
[41] Zhang，Q.，Liu，W.，Tsang，E.，Virginas，B.：使用高斯过程模型，通过MOEA/D进行昂贵的多目标优化。IEEE传输。进化。计算。14(3), 456-474 (2010) ·doi:10.1109/TEVC.2009.2033671
[42] Zitzler，E.，Brockhoff，D.，Thiele，L.：重新审视超容量指标：关于通过加权积分设计符合帕累托的指标。摘自：进化多准则优化，第862-876页。施普林格（2007）
[43] Zitzler，E.，Deb，K.，Thiele，L.：多目标进化算法的比较：经验结果。进化。计算。8（2），173-195（2000）·数字对象标识代码：10.1162/106365600568202
[44] Zitzler，E.，Thiele，L.：使用进化算法的多目标优化——一个比较案例研究。在：Nature-PSN-V的并行问题解决，第292-301页。斯普林格（1998）
[45] Zitzler，E.，Thiele，L.，Laumanns，M.，Fonseca，C.M.，Da Fonseca-V.G.：多目标优化器的性能评估：分析与综述。IEEE传输。进化。计算。7(2), 117-132 (2003) ·doi:10.1010/TEVC.2003.810758
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。