路易斯·马蒂;杰苏斯·加西亚;安东尼奥·贝兰加;何塞·莫利纳。 MONEDA：基于神经网络的分布估计算法的可扩展多目标优化。 （英语） Zbl 1369.90161号 J.全球。最佳方案。 66，第4期，729-768（2016）. 摘要：分布估计算法（EDA）向多目标领域的扩展导致了多目标优化EDA（MOEDA）。大多数MOEDA都限制自己将单目标EDA移植到多目标领域。尽管MOEDA已被证明是一种有效的方法，但最后一点是实现“标准”多目标优化进化算法显著改进的障碍。调整建模算法是取得实质性进展的一种方法。到目前为止，EDA使用的大多数模型构建方案都采用了现成的机器学习方法。然而，建模问题有一些特定的要求，这些方法无法满足甚至规避。本文的重点是模型构建问题，以及大多数MOEDA是如何正确理解和解决这一问题的。我们深入探究了这件事的根源，并对其原因进行了假设。为了更深入地理解这个主题，我们提出了一种新的算法，旨在克服当前MOEDA的缺点。这种新算法是多目标神经分布估计算法（MONEDA）。MONEDA使用改进的生长神经网络进行建模（MB-GNG）。MB-GNG是一种满足上述要求的定制聚类算法。MONEDA凭借其定制的建模算法、精英个体的保留及其个体替换方案，能够大规模解决连续多目标优化问题。在一组质量指标和计算资源需求方面，它的性能优于类似算法。 引用于3文件 MSC公司： 90C29型 多目标和目标规划 90 C59 数学规划中的近似方法和启发式 关键词：多目标优化问题;分布算法的估计;建模问题;神经网络;生长神经气体 软件：莫奈达;HypE公司;O配置文件;RM-MEDA公司;国际学生成绩评估;PAES公司;加权超卷;SPEA2公司;机动脚踏车 PDF格式BibTeX公司 XML格式引用 \textit{L.Martí}等人，J.Glob。最佳方案。66，编号4，729-768（2016；兹bl 1369.90161） 全文： 内政部 链接 参考文献： [1] Ahn，C.W.：进化算法的进展。理论、设计和实践。施普林格，ISBN 3-540-31758-9（2006）·Zbl 1103.68105号 [2] Ahn，C.W.，Ramakrishna，R.S.：重温多目标实数编码贝叶斯优化算法：多样性保持。包含：GECCO’07。《第九届遗传与进化计算年会论文集》，美国纽约州纽约市ACM出版社，第593-600页，（2007年）。数字对象标识代码：10.1145/1276958.1277079 [3] Ahn，C.W.，Goldberg，D.E.，Ramakrishna，R.S.：实码贝叶斯优化算法：将BOA的力量带入连续世界。收录于：2004遗传与进化计算（GECCO 2004），计算机科学讲稿，第3102卷，施普林格，第840-851页（2004） [4] Bäck，T.：理论与实践中的进化算法：进化策略，进化规划，遗传算法。牛津大学出版社，纽约（1996）·兹比尔0877.68060 [5] Bäck，T.，Fogel，D.B.，Michalewicz，Z.（编辑）：进化计算手册。物理研究所出版社和牛津大学出版社（1997年）·Zbl 0883.68001号 [6] Bader，J.：基于超体积的多目标优化搜索：理论和方法。瑞士苏黎世理工学院博士论文（2010年）·Zbl 0379.62005年 [7] Bader，J.，Zitzler，E.：HypE：一种基于快速超体积的多目标优化算法。苏黎世联邦理工学院计算机工程与网络实验室（TIK）TIK报告286（2008） [8] 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:10.1162/EVCO_a_00009·doi:10.1162/EVCO_a_00009 [9] Bader，J.、Deb，K.、Zitzler，E.：使用蒙特卡罗采样实现更快的基于超卷的搜索。收录人：Beckmann，M.，Künzi，H.P.，Fandel，G.，Trockel，W.，Basile，A.，Drexl，A.，Dawid，H.，Inderfurth，K.，Kursten，W.、Schittko，U.，Ehrgott，M.、Naujoks，B.，Stewart，T.J.，Wallenius，J.（编辑）可持续能源和运输系统的多准则决策，柏林/海德堡，经济学和数学系统课堂讲稿，第634卷，第313-326页，（2010年）。doi:10.1007/978-3642-04045-0_27·邮编：1182.90002 [10] Bandyopadhyay，S.、Pal，S.K.、Aruna，B.：多目标遗传算法、定量指标和模式分类。IEEE传输。系统。人类网络。B部分Cybern。34(5), 2088-2099 (2004) ·doi:10.1109/TSMCB.2004.834438 [11] Basseur，M.，Zitzler，E.：基于指标的多目标优化中的不确定性处理。国际期刊计算。智力。第2（3）号决议，255-272（2006）·doi:10.5019/j.ijcir.2006.66 [12] Basseur，M.，Zitzler，E.：基于指标的多目标优化中处理不确定性的初步研究。收录人：Rothlauf，F.、Branke，J.、Cagnoni，S.、Costa，E.、Cotta，C.、Drechsler，R.、Lutton，E.、Machado，P.、Moore，J.H.、Romero，J.，Smith，G.D.、Squillero，G.、Takagi，H.（编辑）《进化计算的应用》。2006年Evo研讨会：EvoBIO、EvoCOMNET、EvoHOT、EvoIASP、EvoINTERACTION、EvoMUSART和EvoSTOC，匈牙利布达佩斯斯普林格，计算机科学讲义，第3907卷，第727-739页（2006） [13] Bellman，R.E.：自适应控制过程。普林斯顿大学出版社，普林斯顿（1961）·Zbl 0103.12901号 ·doi:10.1515/9781400874668 [14] Y.本杰米尼：打开箱线图的方框。《美国统计》第42卷第4期，第257-262页（1988年）。数字对象标识代码：10.2307/2685133·数字对象标识代码：10.2307/2685133 [15] Berkhin，P.：聚类数据挖掘技术综述。加利福尼亚州圣何塞市Accrue Software技术代表。http://citeseer.ist.psu.edu/berkhin02survey.html。 (2002) ·Zbl 1068.68139号 [16] Beume，N.：S-度量计算，将支配超体积视为Klee的度量问题。进化。计算。17(4), 477-492 (2009). doi:10.1162/evco.2009.17.4.17402·doi:10.11162/evco.2009.17.77402文件 [17] Beume，N.，Rudolph，G.：通过将支配超体积视为Klee的度量问题，实现更快的S度量计算。收录：Kovalerchuk，B.（编辑）IASTED第二届国际计算智能会议论文集。IASTED/ACTA出版社，第233-238页（2006年） [18] Bleuler，S.、Laumanns，M.、Thiele，L.、Zitzler，E.：PISA-搜索算法的平台和编程语言无关接口。In:Fonseca，C.M.，Fleming，P.J.，Zitzler，E.，Deb，K.，Thiele，L.（编辑）《进化多准则优化》。第二届国际会议，EMO 2003，斯普林格。计算机科学讲义，第2632卷，葡萄牙法罗，第494-508页（2003）·Zbl 1037.68743号 [19] Bosman，P.A.，Thierens，D.：连续多目标分布估计算法中的自适应方差缩放。摘自：2007年第九届遗传和进化计算年会论文集。美国纽约州纽约市ACM出版社，第500页（2007年）。doi:10.1145/1276958.1277067。http://portal.acm.org/citation.cfm？doid=1276958.1277067 ·Zbl 1020.90044号 [20] Bosman，P.A.N.：迭代密度估计进化算法的设计与应用。荷兰乌得勒支大学信息与计算科学研究所博士论文（2003年） [21] Bosman，P.A.N.：基于混合的EDA中用于多目标优化的预期均值偏移和簇注册。摘自：第十二届遗传与进化计算年会论文集-GECCO’10。美国纽约州纽约市ACM出版社，第351页（2010年）。doi:10.1145/1830483.1830549。http://portal.acm.org/citation.cfm？doid=1830483.1830549 [22] Bosman，P.A.N.，Thierens，D.：具有多样性保持的基于混合的迭代密度估计进化算法的多目标优化。国际期刊近似原因。31（3），259-289（2002）·Zbl 1056.68114号 ·doi:10.1016/S0888-613X（02）00090-7 [23] Bosman，P.A.N.，Thierens，D.：多目标进化算法中接近性和多样性之间的平衡。IEEE传输。进化。计算。7(2), 174-188 (2003) ·doi:10.1109/TEVC.2003.810761 [24] Bosman，P.A.N，Thierens，D.：天真的MIDEA：基线多目标EA。摘自：Coello，C.A.C.，Hernández A.A.，Zitzler，E，（编辑）《进化多准则优化》。第三届国际会议，EMO 2005，斯普林格。计算机科学讲稿，第3410卷，瓜纳华托，墨西哥，第428-442页（2005）·Zbl 1109.68587号 [25] Bosman，P.A.N.，Grahl，J.，Thierens，D.：无参数汞合金在有噪声和无噪声函数上的基准测试。进化。计算。21(3), 445-469 (2013). doi:10.1162/EVCO__00094·doi:10.1162/EVCO__00094 [26] Box，G.E.P.，Muller，M.E.：关于随机正态偏差产生的一个注记。安。数学。Stat.29，610-611（1958年）·Zbl 0085.13720号 ·doi:10.1214/aoms/1177706645 [27] Branke，J.，Miettinen，K.，Deb，K.，SłowinÉski，R.（编辑）《多目标优化》，《计算机科学讲义》，第5252卷。施普林格，柏林/海德堡（2008）·Zbl 1147.68304号 [28] Brockhoff，D.，Zitzler，E.：多目标优化中的降维：最小目标子集问题。收录：Waldmann，K.H.，Stocker，U.M.（编辑）《2006年运营研究论文集》。施普林格，第423-429页（2007年）·Zbl 1209.90311号 [29] Brockhoff，D.，Zitzler，E.：使用目标约简方法改进基于超体积的多目标进化算法。摘自：IEEE进化计算大会（CEC 2007）。IEEE出版社，第2086-2093页（2007年） [30] Brockhoff，D.，Saxena，D.K.，Deb，K.，Zitzler，E.：关于后验和优化过程中处理大量目标的问题。收录：Knowles，J.、Corne，D.、Deb，K.（编辑）《自然的多目标问题解决：从概念到应用》，自然计算系列。施普林格，第377-403页（2008年）。doi:10.1007/978-3-540-72964-8·Zbl 1162.90003号 [31] Chambers，J.、Cleveland，W.、Kleiner，B.、Tukey，P.：数据分析的图形方法。贝尔蒙特·沃兹沃思（1983）·Zbl 0532.65094号 [32] Coello C.A.C.：20年的进化多目标优化：已经做了什么，还有什么要做。摘自：Yen，G.Y.，Fogel，D.B.（编辑）《计算智能：原理与实践》，IEEE计算智能学会，加拿大温哥华，第4章，第73-88页（2006） [33] Coello，C.A.C.：进化多目标优化：该领域的历史观点。IEEE计算。智力。Mag.1（1），28-36（2006） [34] Coello C.A.C.，Lamont，G.B.，Van Veldhuizen D.A.：解决多目标问题的进化算法，第2版。遗传与进化计算，纽约斯普林格。http://www.springer.com/west/home/computer/foundations？SGWID=4-156-22-173660344-0 (2007) ·Zbl 1142.90029号 [35] 康诺弗，W.J.：《实用非参数统计》，第三版。威利，纽约（1999） [36] Cooper，G.，Herskovits，E.：从数据中归纳概率网络的贝叶斯方法。机器。学习。9(4), 309-347 (1992) ·Zbl 0766.68109号 [37] Corne，D.W.，Knowles，J.D.：多目标优化问题没有免费午餐和免费剩菜定理。In:Fonseca，C.M.，Fleming，P.J.，Zitzler，E.，Deb，K.，Thiele，L.（编辑）《进化多准则优化》。第二届国际会议，EMO 2003，斯普林格，法罗，葡萄牙，计算机科学讲稿，第2632卷，第327-341页（2003）·Zbl 1036.90523号 [38] Corne，D.W.，Knowles，J.D.，Oates。M.J.：基于Pareto包络的多目标优化选择算法。收录人：Schoenauer，M.、Deb，K.、Rudolph，G.、Yao，X.、Lutton，E.、Merelo，J.J.、Schwefel，H.P.（编辑）《自然VI会议并行问题解决程序》，斯普林格。计算机科学第1917号讲稿，法国巴黎，第839-848页（2000） [39] Corne，D.W.，Jerram，N.R.，Knowles，J.D.，Oates，M.J.：PESA-II：进化多目标优化中的基于区域的选择。收录：Spector，L.、Goodman，E.D.、Wu，A.、Langdon，W.、Voigt，H.M.、Gen.M.、Sen，S.、Dorigo，M.、Pezeshk，S.、Garzon，M.H.、Burke，E.（编辑）《遗传与进化计算会议论文集》（GECCO’2001），Morgan Kaufmann出版社，加利福尼亚州旧金山，第283-290页（2001） [40] Costa，M.，Minisci，E.：MOPED：基于多目标Parzen的连续问题分布估计算法。In:Fonseca，C.M.，Fleming，P.J.，Zitzler，E.，Deb，K.，Thiele，L.（编辑）《进化多准则优化》。第二届国际会议，EMO 2003，施普林格。计算机科学讲义，第2632卷，葡萄牙法罗，第282-294页（2003）·Zbl 1036.90524号 [41] Costa，M.，Minisci，E.，Pasero，E.：连续多目标优化问题的混合神经/遗传方法。载于：Apolloni，B.，Marinaro，M.，Tagliaferri，R.（编辑）意大利神经网络研讨会，Springer，计算机科学讲稿，第2859卷，第61-69页（2003）·Zbl 1255.90109号 [42] 达尔文，C.：《通过自然选择或在生命斗争中保护有利种族的方式来研究物种起源》。约翰·默里，伦敦（1859） [43] De Jong，K.A.：进化计算：统一方法。麻省理工学院出版社，剑桥（2006）·Zbl 1106.68093号 [44] Deb，K.：使用进化算法的多目标优化。英国奇切斯特威利出版社，ISBN 0-471-87339-X（2001）·Zbl 0970.90091号 [45] Deb，K.，Saxena，D.K.：关于通过降维找到某些大维多目标优化问题的帕累托最优解。技术代表2005011，KanGAL（2005）·Zbl 0048.11703号 [46] Deb，K.，Saxena，D.K.：通过降维搜索某些大维多目标优化问题的帕累托最优解。摘自：2006年IEEE进化计算会议（CEC’2006），IEEE出版社，新泽西州皮斯卡塔韦，第3352-3360页（2006） [47] 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 [48] Deb，K.，Thiele，L.，Laumanns，M.，Zitzler，E.：进化多目标优化的可扩展测试问题。在：Abraham，A.，Jain，L.，Goldberg，R.（编辑）进化多目标优化：理论进展和应用，高级信息和知识处理，Springer Verlag，pp.105-145（2004）·Zbl 1078.90567号 [49] Dempster，A.P.，Laird，N.M.，Rubin，D.B.：通过EM算法获得不完整数据的最大似然。J.R.Stat.Soc.B 39，1-38（1977年）·Zbl 0364.62022号 [50] Ehrgott，M.：《多准则优化》，《经济学和数学系统讲义》，第491卷。斯普林格（2005）·Zbl 1132.90001号 [51] Etxeberria，R.，Larrañaga，P.：使用贝叶斯网络的全局优化。收录于：Ochoa，A.、Soto，M.R.、Santana，R.（编辑）《第二届人工智能研讨会论文集》（CIMAF-99），古巴哈瓦那，第151-173页（1999） [52] Fleischer，M.：帕累托最优的度量。多目标元启发式的应用。In:Fonseca，C.M.，Fleming，P.J.，Zitzler，E.，Deb，K.，Thiele，L.（编辑）《进化多准则优化》。第二届国际会议，EMO 2003，斯普林格。计算机科学讲义，第2632卷，葡萄牙法罗，第519-533页（2003）·Zbl 1036.90530号 [53] Flentge，F.：局部加权插值生长神经气体。IEEE传输。神经网络。17(6), 1382-1393 (2006) ·doi:10.1109/TNN.2006.879771 [54] Fonseca，C.，Fleming，P.：多目标遗传算法。摘自：IEE控制系统工程遗传算法学术讨论会，IEE，pp.6/1-6/5（1993） [55] Fonseca，C.M.，Fleming，P.J.：多目标优化的遗传算法：公式化、讨论和推广。在：Forrest，S.（编辑）《第五届国际遗传算法大会论文集》，伊利诺伊大学厄巴纳-香槟分校，Morgan Kauffman出版社，加利福尼亚州圣马特奥，第416-423页（1993年）·Zbl 0116.11302号 [56] Fonseca，C.M.，Paquete，L.，López-Ibánez，M.：超体积指示器的改进维度扫描算法。摘自：2006年IEEE进化计算大会（CEC’2006），第1157-1163页（2006） [57] Fritzke，B.：使用增量RBF网络进行快速学习。神经过程。莱特。1, 2-5 (1994) ·doi:10.1007/BF02312392 [58] 弗里茨克，B。；Tesauro，G.（编辑）；Touretzky，DS（编辑）；Leen，TK（编辑），《成长中的神经气体网络学习拓扑》，第7期，625-632（1995），剑桥 [59] Fritzke，B.：增量神经模糊系统。在：软计算应用，SPIE光学科学、工程和仪器国际研讨会，加利福尼亚州圣地亚哥（1997） [60] Grünwald，P.D.：最小描述长度原则（自适应计算和机器学习）。麻省理工学院出版社（2007）·Zbl 1079.68596号 [61] Hartigan，J.A.：聚类算法。概率与数理统计中的威利级数。威利，纽约（1975年）·Zbl 0372.62040号 [62] Horn，J.、Nafpliotis，N.、Goldberg，D.E.：多目标优化的小生境帕累托遗传算法。摘自：《第一届IEEE进化计算会议记录》，IEEE计算智能世界大会，IEEE服务中心，新泽西州皮斯卡塔韦，第1卷，第82-87页（1994） [63] Huband，S.，Barone，L.，While，L.，Hingston，P.：一个可扩展的多目标测试问题工具包。摘自：Coello C.A.C.、Hernández Aguirre，A.、Zitzler，E.（编辑）《进化多准则优化》。第三届国际会议，EMO 2005，斯普林格。计算机科学讲稿，第3410卷，瓜纳华托，墨西哥，第280-295页（2005）·Zbl 1109.68603号 [64] Huband，S.，Hingston，P.，Barone，L.，While，L.:多目标测试问题和可扩展测试问题工具包综述。IEEE传输。进化。计算。10(5), 477-506 (2006) ·Zbl 1109.68603号 ·doi:10.1109/TEVC.2005.861417 [65] Ishibuchi，H.，Murata，T.：多目标遗传局部搜索算法及其在flowshop调度中的应用。IEEE传输。系统。人类网络。C部分申请。第28版（3），392-403（1998）·数字标识代码：10.1109/5326.704576 [66] Jain，A.K.，Murty，M.N.，Flynn，P.J.：数据聚类：综述。ACM计算。Surv公司。31(3), 264-323 (1999). 数字对象标识代码：10.1145/331499.331504·数字对象标识代码：10.1145/331499.331504 [67] Kambhatla，N.，Leen，T.K.：通过局部主成分分析进行降维。神经计算。9(7), 1493-1516 (1997) ·doi:10.1162/neco.1997.9.7.1493 [68] Karshenas，H.，Santana，R.，Bielza，C.，Larranaga，P.：基于目标和变量联合建模的分布算法的多目标估计。IEEE传输。进化。计算。18(4), 519-542 (2014). doi:10.1109/TEVC.2013.281524·doi:10.1109/TEVC.2013.281524 [69] Khan，N.：多目标和层次困难问题的贝叶斯优化算法。美国伊利诺伊州厄本纳市伊利诺伊大学厄本纳-香槟分校研究生院硕士论文（2003年） [70] Khan，N.、Goldberg，D.E.、Pelikan，M.：多目标贝叶斯优化算法。收录人：Langdon，W.、Cantú-Paz，E.、Mathias，K.、Roy，R.、Davis，D.、Poli，R.，Balakrishnan，K.，Honavar，V.、Rudolph，G.、Wegener，J.、Bull，L.、Potter，M.、Schultz，A.、Miller，J.，Burke，E.、Jonoska，N.（编辑）《遗传与进化计算会议论文集》（GECCO’2002），Morgan Kaufmann Publishers，加利福尼亚州旧金山，第684页（2002年） [71] Khare，V.，Yao，X.，Deb，K.：多目标进化算法的性能缩放。In:Fonseca，C.M.，Fleming，P.J.，Zitzler，E.，Deb，K.，Thiele，L.（编辑）《进化多准则优化》。第二届国际会议，EMO 2003，斯普林格。计算机科学讲义，第2632卷，葡萄牙法罗，第376-390页（2003）·Zbl 1036.90541号 [72] Knowles，J.，Corne，D.：量化演化多目标优化中目标空间维度的影响。收录于：Obayashi，S.、Deb，K.、Poloni，C.、Hiroyasu，T.、Murata，T.（编辑）《第四届国际会议论文集——进化多准则优化》（EMO 2007），柏林/海德堡斯普林格出版社，第757-771页（2007）。doi:10.1007/978-3-540-70928-2_57·Zbl 1159.68305号 [73] Knowles，J.，Thiele，L.，Zitzler，E.：随机多目标优化器性能评估教程。214，计算机工程和网络实验室（TIK），瑞士苏黎世ETH，修订版（2006） [74] Knowles，J.，Thiele，L.，Zitzler，E.：随机多目标优化器性能评估教程。TIK报告214，计算机工程和网络实验室（TIK），苏黎世ETH（2006）·Zbl 1068.68139号 [75] Knowles，J.D.：帕累托优化的局部搜索和混合进化算法。英国阅读大学计算机科学系博士论文（2002年） [76] Knowles，J.D.，Corne，D.W.：帕累托存档进化策略：多目标优化的新基线算法。摘自：1999年进化计算大会，IEEE服务中心，华盛顿特区，第98-105页（1999） [77] Knowles，J.D.，Corne，D.W.：使用帕累托存档进化策略近似非支配阵线。进化。计算。8(2), 149-172 (2000) ·doi:10.1162/10636560056868167 [78] Kruskal，W.H.，Wallis，W.A.：秩在单标准方差分析中的应用。《美国统计协会期刊》第47卷，第583-621页（1952年）·Zbl 0048.11703号 ·doi:10.1080/01621459.1952.10483441 [79] Larrañaga，P.：分布估计算法综述。In：Larrañaga，P.，Lozano，J.A.（编辑）分布算法的估计。进化计算的新工具，Kluwer学术出版社，波士顿/多德雷赫特/伦敦，第55-98页（2002）·Zbl 1002.90052号 [80] Larrañaga，P.，Lozano，J.A.（编辑）分布算法的估计。进化计算的新工具。遗传算法和进化计算，Kluwer学术出版社，波士顿/多德雷赫特/伦敦（2002）·Zbl 0979.00024号 [81] Laumanns，M.，Ocenasek，J.：多目标优化的贝叶斯优化算法。收录人：梅雷洛·格雷沃斯（Merelo Guervós JJ）、阿达米迪斯·P（Adamidis P）、拜尔·HG（Beyer HG）、纳斯·JLFV（nas JLFV）、施韦费尔·惠普（Schwefel HP）（eds.）《并行问题解决》（Parallel Problem Solving from Nature-PPSN。计算机科学第2439号讲稿，西班牙格拉纳达，第298-307页（2002年） [82] Levon，J.：OProfile手册。曼彻斯特维多利亚大学。http://oprofile.sourceforge.net网站/ (2004) [83] Lozano，J.A.，Larrañaga，P.，Inza，I.，Bengoetxea，E.：（eds）走向新的进化计算：分布算法估计的进展。柏林施普林格出版社（2006）·Zbl 1089.68121号 [84] MacQueen，J.：多元观测分类和分析的一些方法。摘自：第五届伯克利数学研讨会论文集，第1卷，第281-297页（1967年）·Zbl 0214.46201号 [85] Mann，H.B.，Whitney，D.R.：关于两个随机变量中的一个是否随机大于另一个的测试。安。数学。《美国联邦法律大全》第18卷第50-60页（1947年）·Zbl 0041.26103号 ·doi:10.1214/aoms/1177730491 [86] Martí，L.，García，J.，Berlanga，a.，Molina，J.M.：多目标优化进化算法的累积证据停止准则。收录于：Thierens，D.、Deb，K.、Pelikan，M.、Beyer，H.G.、Doerr，B.、Poli，R.、Bittari，M.（eds.）GECCO’09：《第九届遗传与进化计算年会论文集》，纽约ACM出版社，第911页（2007）。doi:10.145/1276958.1277141。http://portal.acm.org/citation.cfm？doid=1276958.1277141 [87] Martí，L.，García，J.，Berlanga，a.，Molina，J.M.：介绍MONEDA：具有神经估计分布算法的可扩展多目标优化。摘自：GECCO’08：第十届遗传和进化计算年会，美国纽约州纽约市ACM出版社，第689-696页（2008）。数字对象标识代码：10.1145/1389095.1389230 [88] Martí，L.，García，J.，Berlanga，a.，Molina，J.M.：多目标EDA的建模算法：改进方向。摘自：2008年IEEE进化计算会议（CEC），2008 IEEE计算智能世界大会（WCCI 2008）的一部分，IEEE出版社，新泽西州皮斯卡塔韦，第2848-2855页（2008）。doi:10.1109/CEC.2008.4631179。http://ieeexplore.ieee.org/iel5/4625778/4630767/04631179.pdf？tp=&arnumber=4631179&isnumber=4630767 [89] Martí，L.，García，J.，Berlanga，a.，Molina，J.M.：多目标优化进化算法停止标准的方法：MGBM标准。2009年IEEE进化计算会议（CEC 2009），IEEE出版社，新泽西州皮斯卡塔韦，第1263-1270页（2009）。doi:10.1109/CEC.2009.4983090 [90] Martí，L.，García，J.，Berlanga，a.，Molina，J.M.：使用多目标分布神经估计算法解决复杂的高维问题。收件人：Raidl，G.，Alba，E.，百加得，J.，Bates Congdon，C.，Beyer，H.G.，Birattari，M.，Blum，C.，Bosman，P.A.N.，Corne，D.，Cotta，C.，Di Penta，M.默特，J.（eds.）GECCO 2009:第11届遗传和进化计算年会，美国纽约州纽约市ACM出版社，第619-626页（2009）。doi:10.145/1569901.1569987。http://portal.acm.org/citation.cfm？id=1569901.1569987 [91] Martí，L.，García，J.，Berlanga，a.，Coello，C.a.C.，Molina，J.M.：关于分布算法多目标估计的当前建模方法：短路和改进方向。技术代表GIAA2010E001，西班牙科尔梅纳雷霍卡洛斯三世马德里大学人工智能集团。http://www.giaa.inf.uc3m.es/miembros/lmarti/model-building (2010) [92] Martinetz，T.M.：竞争性希伯来学习规则形成了完美的拓扑保持映射。摘自：人工神经网络国际会议（ICANN’93），阿姆斯特丹斯普林格·弗拉格，第427-434页（1993） [93] Martinetz，T.M.、Berkovich，S.G.、Shulten，K.J.：矢量量化的Neural-gas网络及其在时间序列预测中的应用。IEEE传输。神经网络。4, 558-560 (1993) ·doi:10.1109/72.238311 [94] 梅西，F.J.：科尔莫戈罗夫·斯米尔诺夫拟合优度测试。《美国统计协会期刊》第46卷（253页），第68-78页（1951年）·Zbl 0042.14403号 ·doi:10.1080/01621459.1951.10500769 [95] Miettinen，K.：非线性多目标优化，运筹学与管理科学国际丛书，第12卷。马萨诸塞州诺威尔市Kluwer（1999）·Zbl 0949.90082号 [96] Mühlenbein，H.，Mahnig，T.：FDA-一种用于优化可加分解函数的可扩展进化算法。进化。计算。7(4), 353-376 (1999) ·doi:10.1162/evco.1999.7.4.353 [97] Ocenasek，J.：分布算法的并行估计。捷克共和国布尔诺市布尔诺科技大学信息技术学院博士论文（2002年） [98] Ocenasek，J.，Schwarz，J.：混合连续离散优化问题的分布算法估计。摘自：第二届欧洲国际计算智能研讨会，第227-232页（2002年） [99] 帕雷托，V.：《经济政治课程》。F.Rouge，洛桑（1896年） [100] Parzen，E.：关于概率密度函数和模式的估计。安。数学。《美国联邦法律大全》第33卷第1065-1076页（1962年）·Zbl 0116.11302号 ·doi:10.1214/aoms/1177704472 [101] Pearl，J.：《智能系统中的概率推理：合理推理网络》。Morgan Kaufmann，旧金山（1988）·Zbl 0746.68089号 [102] Pelikan，M.：分层贝叶斯优化算法。走向新一代进化算法。《模糊性和软计算研究》，Springer（2005）·Zbl 1107.68084号 [103] Pelikan，M.，Goldberg，D.E.：层次贝叶斯优化算法。摘自：Pelikan，M.，Sastry，K.，Cantü-Paz，E.（编辑）《通过概率建模实现可缩放优化：从算法到应用》，《计算智能研究》，Springer-Verlag，第63-90页（2006）·Zbl 1147.90004号 [104] Pelikan，M.，Goldberg，D.E.，Cantü-Paz，E.：BOA：贝叶斯优化算法。收录人：Banzhaf，W.、Daida，J.、Eiben，A.E.、Garzon，M.H.、Honavar，V.、Jakiela，M.、Smith，R.E.（编辑）《GECCO-1999年遗传和进化计算会议论文集》，Morgan Kaufmann Publishers出版社，加利福尼亚州旧金山，佛罗里达州奥兰多，第一卷，第525-532页（1999） [105] Pelikan，M.，Goldberg，D.E.，Lobo，F.通过建立和使用概率模型进行优化的调查。伊利诺伊大学厄巴纳-香槟分校伊利诺伊州遗传算法实验室，伊利诺伊州厄巴纳，伊利诺伊州第99018号报告（1999年）·Zbl 0988.90052号 [106] Pelikan，M.，Goldberg，D.E.，Cantü-Paz，E.：贝叶斯优化算法的分层问题解决。伊利诺伊大学厄巴纳-香槟分校伊利诺伊州遗传算法实验室，伊利诺伊州厄巴纳，伊利诺伊州第2000002号报告（2000年） [107] Pelikan，M.、Sastry，K.、Goldberg，D.E.：多目标hBOA、集群和可扩展性。摘自：GECCO’05：《2005年遗传和进化计算会议论文集》，美国纽约州纽约市ACM出版社，第663-670页（2005）。doi:10.1145/1068009.1068122 [108] Pelikan，M.，Sastry，K.，Cantü-Paz，E.（编辑）《通过概率建模的可缩放优化：从算法到应用》。计算智能研究，Springer（2006）·Zbl 1118.90002号 [109] Pelikan，M.，Sastry，K.，Goldberg，D.E.分布算法的多目标估计。摘自：Pelikan，M.，Sastry，K.，Cantü-Paz，E.（编辑）《通过概率建模实现可缩放优化：从算法到应用》，《计算智能研究》，Springer-Verlag，第223-248页（2006）·Zbl 1165.90632号 [110] Praditwong，K.，Yao，X.：多目标进化算法对大型问题的扩展程度如何。2007年IEEE进化计算大会（CEC 2007），IEEE出版社，新泽西州皮斯卡塔韦，第3959-3966页（2007）。doi:10.1109/CEC.2007.4424987 [111] Purshouse，R.C.：关于多目标的进化优化。英国谢菲尔德大学自动控制与系统工程系博士论文（2003年） [112] Purshouse，R.C.，Fleming，P.J.：进化多目标优化：探索性分析。摘自：《2003年进化计算大会会议记录》（CEC’2003），IEEE出版社，澳大利亚堪培拉，第3卷，第2066-2073页（2003） [113] Purshouse，R.C.，Fleming，P.J.：关于许多冲突目标的进化优化。IEEE传输。进化。计算。11(6), 770-784 (2007). doi:10.1109/TEVC.2007.910138·doi:10.1010/TEVC.2007.910138 [114] Qin，A.K.，Suganthan，P.N.：稳健增长神经气体算法及其在聚类分析中的应用。神经网络。17(8-9), 1135-1148 (2004). doi:10.1016/j.neunet.2004.06.013·Zbl 1079.68596号 ·doi:10.1016/j.neunet.2004.06.013 [115] Rubinstein，R.Y.：模拟和蒙特卡罗方法。威利，纽约（1981）·Zbl 0529.68076号 ·doi:10.1002/9780470316511 [116] Schaffer，J.D.：采用矢量评估遗传算法的多目标优化。摘自：《遗传算法及其应用：第一届遗传算法国际会议论文集》，劳伦斯·埃尔鲍姆，第93-100页（1985）·Zbl 0676.68047号 [117] Schervish，M.J.：《统计学理论》，第二版。施普林格统计系列，施普林格，柏林/海德堡（1997） [118] Schütze，O.，Mostaghim，S.，Dellnitz，M.，Teich，J.：通过多级进化细分技术覆盖Pareto集。In:Fonseca，C.M.，Fleming，P.J.，Zitzler，E.，Deb，K.，Thiele，L.（编辑）《进化多准则优化》。第二届国际会议，EMO 2003，施普林格。计算机科学讲义，第2632卷，葡萄牙法罗，第118-132页（2003）·Zbl 1036.90552号 [119] Schwarz，G.：估计模型的维度。Ann.Stat.6（2），461-464（1978）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [120] Shapiro，J.：分布算法一般估计中的多样性损失。摘自《Nature-PPSN IX》，第92-101页（2006年）。doi:10.1007/11844297_10 [121] 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) ·doi:10.1162/evco.1994.2.3.221 [122] Stewart，T.J.、Bandte，O.、Braun，H.、Chakraborti，N.、Ehrgott，M.、Göbelt，M.，Jin，Y.、Nakayama，H.，Poles，S.、Di Stefano。D.：多目标优化的现实世界应用。收录于：Branke，J.、Miettinen，K.、Deb，K.，Słowiǹski，R.（编辑）多目标优化，计算机科学讲义，第5252卷，Springer-Verlag，柏林/海德堡，第285-327页（2008）·Zbl 1147.68304号 [123] Thierens，D.：多目标计数问题的收敛时间分析。In:Fonseca，C.M.，Fleming，P.J.，Zitzler，E.，Deb，K.，Thiele，L.（编辑）《进化多准则优化》。第二届国际会议，EMO 2003，斯普林格。计算机科学讲义，第2632卷，葡萄牙法罗，第355-364页（2003）·Zbl 1036.90553号 [124] Thierens，D.，Bosman，P.A.N.：基于多目标混合的迭代密度估计进化算法。收录人：Spector，L.，Goodman，E.，Wu，A.，Langdon，W.，Voigt，H.，Gen，M.，Sen，S.，Dorigo，M，Pezeshk，S.、Garzon，M..，Burke，E.（编辑）《遗传与进化计算会议论文集GECCO-2001》，Morgan Kaufmann Publishers，加利福尼亚州旧金山，第663-670页（2001） [125] Thierens，D.，Bosman，P.A.N.：使用混合模型的迭代密度估计进化算法的多目标优化。摘自：第三届自适应系统国际研讨会论文集——进化计算和概率图形模型，控制论、数学和物理研究所，古巴哈瓦那，第129-136页（2001）·兹比尔1020.900044 [126] Timm，H.，Borgelt，C.，Doring，C.，Kruse，R.：可能性模糊聚类分析的扩展。模糊集系统。147(1), 3-16 (2004) ·Zbl 1068.68139号 ·doi:10.1016/j.fss.2003.11.009 [127] Vapnik，V.N.：统计学习理论概述。IEEE传输。神经网络。10(5), 988-999 (1999). doi:10.1109/72.788640·doi:10.1109/72.788640 [128] Wang，H.，Zhang，Q.，Jiao，L.，Yao，X.：含噪多目标优化的正则模型。IEEE传输。赛博。PP（99），第1-1页（2015）。doi:10.1109/TCYB.2015.2459137 [129] 然而，L.、Bradstreet、L.、Barone、L.和Hingston，P.：针对多目标优化问题优化超体积计算的启发式方法。2005年IEEE进化计算大会（CEC’2005），苏格兰爱丁堡IEEE服务中心，第3卷，第2225-2232页（2005） [130] 而L.、Hingston、P.、Barone、L.、Huband、S.：计算超体积的更快算法。IEEE传输。进化。计算。10（1），29-38（2006）。doi:10.1109/TEVC.2005.851275·doi:10.1109/TEVC.2005.851275 [131] Wilcoxon，F.：通过排名方法进行的个体比较。生物。牛市。1980年至1983年（1945年）·doi:10.2307/3001968 [132] Xu，R.，Wunsch II，D.：聚类算法综述。IEEE传输。神经网络。16(3), 645-678 (2005) ·doi:10.1109/TNN.2005.845141 [133] Xu，R.，Wunsch II，D.：聚类，插图编辑。IEEE计算智能新闻系列，威利，IEEE出版社，纽约（2008） [134] Yuan，B.，Gallagher，M.：关于多样性维护在分布算法估计中的重要性。摘自：GECCO’05：《2005年遗传和进化计算会议论文集》，美国纽约州纽约市ACM出版社，第719-726页（2005）。doi:10.1145/1068009.1068129 [135] Zhang，Q.，Zhou，A.，Jin，Y.：RM-MEDA：基于正则模型的多目标分布估计算法。IEEE传输。进化。计算。12(1), 41-63 (2008). doi:10.1109/TEVC.2007.894202·doi:10.1109/TEVC.2007.894202 [136] Zhou，A.，Zhang，Q.，Jin，Y.，Tsang，E.，Okabe，T.：双目标优化的基于模型的进化算法。2005年IEEE进化计算大会（CEC’2005），苏格兰爱丁堡IEEE服务中心，第3卷，第2568-2575页（2005） [137] Zitzler，E.，Künzli，S.：多目标搜索中基于指示符的选择。载于：Yao，X.（编辑）《自然-PPSN VIII中的并行问题解决》，Springer-Verlag，柏林/海德堡，计算机科学讲稿，第3242卷，第832-842页（2004） [138] Zitzler，E.，Thiele，L.：多目标优化的进化算法：强度帕累托方法。瑞士苏黎世联邦理工学院计算机工程和通信网络实验室（TIK）技术代表43（1998） [139] Zitzler，E.，Deb，K.，Thiele，L.：不同难度测试函数上多目标进化算法的比较。收录：Wu，A.S.（编辑）《1999年遗传与进化计算会议论文集》。研讨会计划，佛罗里达州奥兰多，第121-122页（1999） [140] Zitzler，E.，Laumanns，M.，Thiele，L.：SPEA2：改进Pareto进化算法的强度。收录人：Giannakoglou，K.，Tshalis，D.，Periaux，J.，Papailou，P.，Fogarty，T.（编辑）EUROGEN 2001。设计、优化和控制的进化方法及其在工业问题中的应用，希腊雅典，第95-100页（2002年）·Zbl 1056.68114号 [141] Zitzler，E.，Laumanns，M.，Thiele，L.，Fonseca，C.M.，Grunert da Fonseco，V.：为什么难以对多目标优化器进行质量评估。收录人：Langdon，W.B.、Cantú-Paz，E.、Mathias，K.、Roy，R.、Davis，D.、Poli，R.，Balakrishnan，K.，Honavar，V.、Rudolph，G.、Wegener，J.、Bull，L.、Potter，M.、Schultz，A.、Miller，J.，Burke，E.、Jonoska，N.（编辑）《遗传与进化计算会议论文集》（GECCO’2002），Morgan Kaufmann Publishers，加利福尼亚州旧金山，第666-673页（2002年） [142] Zitzler，E.，Thiele，L.，Laumanns，M.，Fonseca，C.M.，Grunert da Fonseco，V.：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:10.1109/TEVC.2003.810758 [143] Zitzler，E.，Brockhoff，D.，Thiele，L.：超体积指标重新审视：通过加权积分设计符合帕累托的指标。摘自：Obayashi，S.等人（编辑）《进化多准则优化会议》（EMO 2007），柏林斯普林格，LNCS，第4403卷，第862-876页（2007） [144] Zitzler，E.，Knowles，J.，Thiele，L.：帕累托集近似值的质量评估。在：Branke，J.，Miettinen，K.，Deb，K.，SłowinÉski，R.（编辑）《多目标优化》，《计算机科学讲义》，第5252卷，施普林格出版社，柏林/海德堡，第373-404页（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。