×
贾基奥齐斯，I。;帕斯豪斯，R.C。;弗莱明，P.J。

多目标优化的广义分解和交叉熵方法。 （英文） Zbl 1355.90091号

信息科学。 282, 363-387 (2014).
摘要：基于分解的多目标优化算法在过去十年中越来越流行。尽管这类算法的帕累托最优前沿（PF）收敛性通常优于基于帕累托的备选方案，但在高维空间中有效分布帕累托最佳解的问题尚未得到解决。在这项工作中，我们引入了一个新概念，我们称之为广义的分解。广义分解提供了一个框架，通过该框架，决策者（DM）可以将底层搜索算法引导到特定的感兴趣区域或整个Pareto前沿，以及期望的Pareto最优解分布。该方法通过将后部多目标优化器-收敛到PF，均匀分布的Pareto最优解决方案，覆盖整个前沿-仅收敛到一个。建立了一个基于广义分解和基于低阶统计量的分布估计算法（EDA）的框架，即交叉熵方法，以说明所提概念对多目标问题的益处。该算法MACE-gD与现有的同类最佳分解算法（MOEA/D）和更精细的EDA方法（RM-MEDA）相比具有很强的竞争力。

引用于8文件

MSC公司：

90C29型 多目标规划

关键词：

广义分解;多目标优化;分解法;交叉熵方法;凸优化

软件：

CVX公司;CVXGEN公司;MOEA/D公司;SPEA2公司;GDE3型;RM-MEDA公司;MSOPS-II型
PDF格式BibTeX公司 XML格式引用
\textit{I.Giagkiozis}等人，《信息科学》。282363-387（2014年；Zbl 1355.90091）
全文： 内政部 链接

参考文献：

[1] 弗莱明，P。；Purshouse，R.，《控制系统工程中的进化算法：调查》，《控制工程实践》。，10, 11, 1223-1241 (2002)
[4] Miettinen，K.，非线性多目标优化，第12卷（1999），Springer·Zbl 0949.90082号
[6] 帕索斯，R。；Fleming，P.，进化多目标优化：探索性分析，（IEEE进化计算大会，第3卷（2003），IEEE），2066-2073
[7] Goldberg，D。；Holland，J.，《遗传算法和机器学习》，马赫。学习。，3, 2, 95-99 (1988)
[8] 贾基奥齐斯，I。；马绍斯共和国。；Fleming，P.J.，《基于人群的多目标优化算法概述》，国际期刊系统。科学。，0, 0, 1-28 (2013)
[10] 张，Q。；Li，H.，MOEA/D:一种基于分解的多目标进化算法，IEEE Trans。进化。计算。，11, 6, 712-731 (2007)
[14] 高桥，R。；萨尔达尼亚，R。；Dias-Filho，W。；Ramírez，J.，用于等式约束非线性优化的新约束椭球算法，IEEE Trans。马格纳。，39, 3, 1289-1292 (2003)
[15] Jaszkiewicz，A.，《关于0/1背包问题的多目标遗传局部搜索性能——比较实验》，IEEE Trans。进化。计算。，第6402-412页（2002年）
[16] Hughes，E.，多单目标Pareto抽样，（进化计算大会，第4卷（2003），IEEE），2678-2684
[18] 贾基奥齐斯，I。；马绍斯共和国。；Fleming，P.J.，广义分解，（Evolutionary Multi-Criterion Optimization，Evolutional Multi-Critrion Optimation，计算机科学讲义，第7811卷（2013），Springer:Springer Berlin，Heidelberg），428-442
[20] 江，S。；张杰。；Ong，Y.，多目标优化的非对称Pareto-adaptive方案，（《人工智能进展》，《人工智能发展》，计算机科学讲义，第7106卷（2011年），施普林格：施普林格柏林，海德堡），351-360
[21] 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)
[22] 而L。；辛斯顿，P。；巴龙，L。；Huband，S.，计算超级卷的更快算法，IEEE Trans。进化。计算。，10, 1, 29-38 (2006)
[24] 顾，F。；刘，H。；Tan，K.，使用动态权重法的多目标进化算法，Int.J.Innov。计算。通知。对照，8，5B，3677-3688（2012）
[26] Huband，S。；辛斯顿，P。；巴龙，L。；然而，L.，《多目标测试问题综述和可扩展测试问题工具包》，IEEE Trans。进化。计算。，10, 5, 477-506 (2006)
[28] Zitzler，E。；Deb，K。；Thiele，L.，《多目标进化算法的比较：经验结果》，Evol。计算。，8, 2, 173-195 (2000)
[29] Mühlenbein，H。；Paass，G.，《从基因重组到分布估计I.二进制参数》，Parall。问题。《解决自然》，178-187（1996）
[30] He，J。；Yao，X.，漂移分析和进化算法的平均时间复杂性，Artif。智力。，127, 1, 57-85 (2001) ·Zbl 0971.68129号
[31] Chen，T。；Tang，K。；陈，G。；Yao，X.，分布算法简单估计的计算时间分析，IEEE Trans。进化。计算。，14, 1, 1-22 (2010)
[33] Pelikan，M.，贝叶斯优化算法，层次贝叶斯最优化。阿尔戈。，31-48 (2005) ·Zbl 1107.68084号
[34] Emmendorfer，L。；Pozo，A.，使用低阶统计和聚类的有效链接学习，IEEE Trans。进化。计算。，13, 6, 1233-1246 (2009)
[35] Echegoyen，C。；张，Q。；Mendiburu，A。；桑塔纳，R。；Lozano，J.，《关于分布算法估计有效性的限制》，（IEEE进化计算大会（2011），IEEE），1573-1580
[36] Rubinstein，R.，组合和连续优化的交叉熵方法，Methodol。计算。申请。Probabi.，1127-190（1999年）·Zbl 0941.65061号
[37] Damelin，S.B。；Grabner，P.J.，能量泛函，球面上的数值积分和渐近等分布，J.复数。，19, 3, 231-246 (2003) ·Zbl 1043.65049号
[38] Miettinen，K。；Mäkelä，M.，关于多目标优化中的尺度化函数，OR谱，24，2，193-213（2002）·Zbl 1040.90037号
[40] 格兰特，M。；博伊德，S。；Ye，Y.，（约束凸规划.约束凸规划，非凸优化及其应用，第84卷（2006），Springer），155-210·Zbl 1130.90382号
[41] 博伊德，S。；Vandenberghe，L.，《凸优化》（2004），剑桥大学出版社·Zbl 1058.90049号
[43] Saff，E。；Kuijlaars，A.，《在球体上分布多个点》，数学。智力。，19, 1, 5-11 (1997) ·Zbl 0901.11028号
[44] 哈丁，D。；Saff，E.，通过最小能量点离散化歧管，通知AMS，51，10，1186-1194（2004）·Zbl 1095.49031号
[45] 李，H。；Zhang，Q.，复杂Pareto集的多目标优化问题，MOEA/D和NSGA-II，IEEE Trans。进化。计算。，13, 2, 284-302 (2009)
[46] 汤普森，H。；Chipperfield，A。；弗莱明，P。；Legge，C.，使用多目标优化选择分布式航空发动机控制系统架构，控制工程实践。，7, 5, 655-664 (1999)
[47] 塔瓦科利·莫哈达姆，R。；Rahimi-Vahed，A。；Mirzaei，A.，针对具有双目标的flow shop调度问题的混合多目标免疫算法：加权平均完成时间和加权平均拖期，Inform。科学。，177、22、5072-5090（2007年）·Zbl 1121.90340号
[48] 张，G。；邵，X。；李，P。；Gao，L.，多目标柔性作业车间调度问题的有效混合粒子群优化算法，计算。工业工程，56，4，1309-1318（2009）
[49] Katanforoush，A。；Shahsahani，M.，球面上的分布点，I，实验数学。，12, 2, 199-210 (2003) ·Zbl 1087.52009年
[51] Wolpert，D.，《信息论——连接有界理性博弈论和统计物理的桥梁》，复杂工程系统。，262-290 (2006)
[52] Rubinstein，R.，组合优化和罕见事件估计的随机最小交叉熵方法，Methodol。计算。申请。概率，7，1，5-50（2005）·Zbl 1073.65052号
[53] 博采夫，Z。；Kroese，D。；Taimre，T.，广义交叉熵方法及其在稀有气体模拟和优化中的应用，模拟，83，11，785（2007）
[54] De Boer，P。；Kroese，D。；曼诺，S。；Rubinstein，R.，《交叉熵方法教程》，Ann.Oper。第134、1、19-67号决议（2005年）·Zbl 1075.90066号
[55] Morris，C.N.，具有二次方差函数的自然指数族，Ann.Stat.，10，65-80（1982）·Zbl 0498.62015号
[56] 张，Q。；周，A。；Jin，Y.，RM-MEDA:基于规则模型的多目标分布估计算法，IEEE Trans。进化。计算。，12, 1, 41-63 (2008)
[58] Deb，K。；辛哈，A。；Kukkonen，S.，多目标测试问题、联系和进化方法，（遗传和进化计算会议（2006），ACM），1141-1148
[59] 库科宁，S。；Lampinen，J.，GDE3:广义微分进化的第三个进化步骤，（IEEE进化计算大会，第1卷（2005），IEEE），443-450
[60] 博斯曼，P。；Thierens，D.，The naive MIDEA：一个基线多目标EA，（Evolutionary multi-Criterion Optimization（2005），Springer），428-442·Zbl 1109.68587号
[61] Wolpert，D。；Macready，W.，《优化无免费午餐定理》，IEEE Trans。进化。计算。，1, 1, 67-82 (1997)
[63] 帕索斯，R。；Fleming，P.，《关于许多冲突目标的进化优化》，IEEE Trans。进化。计算。，11, 6, 770-784 (2007)
[64] 哈德卡，D。；Reed，P.，多目标进化优化中搜索控制和故障模式的诊断评估，Evol。计算。，20, 3, 423-452 (2012)
[65] Rockafellar，R.，《凸分析》，第28卷（1970年），普林斯顿大学出版社·Zbl 0193.18401号
[66] 马丁利，J。；Boyd，S.，CVXGEN:嵌入式凸优化的代码生成器，Optimiz。工程，1-27（2012）·Zbl 1293.65095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。