×

多目标变量网格优化。 (英语) 兹比尔1382.90101

摘要:在本文中,我们介绍了一种基于最近提出的元启发式算法可变网格优化(VMO)的新的多目标优化器。我们的提案(多目标VMO,MOVMO)结合了多目标优化领域的典型概念,如帕累托优势、密度估计和外部档案存储。MOVMO还具有局部和全局优化之间的交叉算子以及动态种群替换。我们使用一组四个著名的基准函数族,并对照七个最先进的优化器对MOVMO进行评估:NSGA-II、SPEA2、MOCell、AbYSS、SMPSO、MOEA/D和MOEA/D.DRA。加性ε、扩散和超体积质量指标的统计验证结果证实,MOVMO确实是数值空间多目标优化的一种有竞争力且有效的方法。

MSC公司:

90C29型 多目标规划
90 C59 数学规划中的逼近方法和启发式方法
65K10码 数值优化和变分技术
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Deb,K。;伯克,EK(编辑);Kendall,G.(编辑),《多目标优化》,403-449(2014),纽约
[2] Deb,K。;Branke,J.(编辑);Deb,K.(编辑);Miettinen,K.(编辑);Sowiski,R.(编辑),《进化多目标优化导论》,第5252、59-96号(2008),柏林-海德堡·doi:10.1007/978-3-540-88908-33
[3] Deb,K.、Thiele,L.、Laumanns,M.、Zitzler,E.、Abraham,A.、Jain,L.和Goldberg,R.(2005)。进化多目标优化的可扩展测试问题。进化多目标优化,第105-145页·Zbl 1078.90567号
[4] Deb,K.、Pratap,A.、Agarwal,S.和Meyarivan,T.(2002)。一种快速的精英多目标遗传算法:NSGA-II。IEEE进化计算汇刊,6(2),182-197·数字对象标识代码:10.1109/4235.996017
[5] Derrac,J.、Garca,S.、Molina,D.和Herrera,F.(2011年)。关于使用非参数统计测试作为比较进化算法和群智能算法的方法的实用教程。群体与进化计算,1(1),3-18·doi:10.1016/j.swevo.2011.02.002
[6] Durillo,J.J.和Nebro,A.J.(2011)。JMetal:用于多目标优化的Java框架。工程软件进展,42(10),760-771·doi:10.1016/j.advengsoft.2011.05.014
[7] Huband,S。;Barone,L.公司。;而L。;辛斯顿,P。;加利福尼亚州科埃洛(编辑);阿吉雷,AH(编辑);Zitzler,E.(编辑),可扩展多目标测试问题工具包,第3410号,280-295(2005),柏林-海德堡·Zbl 1109.68603号 ·doi:10.1007/978-3-540-31880-4-20
[8] Knowles,J.、Thiele,L.、Zitzler,E.(2006)。随机多目标优化器性能评估教程。技术报告214。
[9] Li,H.和Zhang,Q.(2009)。具有复杂Pareto集、MOEA/D和NSGA-II的多目标优化问题。IEEE进化计算汇刊,13(2),284-302·doi:10.1109/TEVC.2008.925798
[10] Mezura-Montes,E。;Reyes-Sierra,M。;科埃罗,C。;Chakraborty,U.(编辑),《使用差分进化的多目标优化:现状综述》,第143173-196号(2008),柏林-海德堡
[11] Molina,D.、Puris,A.、Bello,R.、Herrera,F.(2013)。2013年CEC特别会议多模态优化小生境方法的可变网格优化。IEEE进化计算大会(CEC’13),第87-94页。
[12] Navarro,R.、Falcon,R.,Murata,T.、Hae,K.C.(2015)。用于可变网格优化的通用小生境框架。2015年IEEE进化计算大会(CEC’15),第1994-2001页。日本仙台。
[13] Nebro,A.J.、Durillo,J.J.、Garcia-Nieto,J.、Coello Coello,C.A.、Luna,F.、Alba,E.(2009)。SMPSO:一种新的基于PSO的多目标优化元启发式算法。2009年IEEE多标准决策中的计算智能研讨会。《2009年mcdm》,第66-73页。
[14] Nebro,A.J.、Durillo,J.J.、Luna,F.、Dorronsoro,B.和Alba,E.(2009年)。MOCell:用于多目标优化的细胞遗传算法。国际智能系统杂志,24(7),726-746·Zbl 1176.90552号 ·doi:10.1002/int.20358
[15] Nebro,A.J.、Luna,F.、Alba,E.、Dorronsoro,B.、Durillo,J.J.和Beham,A.(2008)。AbYSS:将分散搜索应用于多目标优化。IEEE进化计算汇刊,12(4),439-457·doi:10.1109/TEVC.2007.913109
[16] 小野,I。;Kita,H。;小林,S。;Ghosh,A.(编辑);Tsutsui,S.(编辑),《使用单模态正态分布交叉的实数编码遗传算法》,213-237(2003),柏林-海德堡·doi:10.1007/978-3642-18965-48
[17] Price,K.V.、Storn,R.M.和Lampinen,J.A.(2005)。差分进化:一种实用的全局优化方法。纽约:斯普林格。
[18] Puris,A.、Bello,R.、Molina,D.和Herrera,F.(2012年)。连续优化问题的可变网格优化。软计算,16(3),511-525·doi:10.1007/s00500-011-0753-9
[19] Wolper,D.H.和Macready,W.G.(1996年)。优化没有免费午餐定理。IEEE进化计算汇刊,1(1),67-82·doi:10.1109/4235.585893
[20] Zhang,Q.,Liu,W.,Li,H.(2009)。新版本MOEA/D在CEC’09无约束MOP测试实例上的性能。IEEE进化计算大会(CEC'09),第203-208页。
[21] 张庆中(2007)。MOEA/D:一种基于分解的多目标进化算法。IEEE进化计算汇刊,11(6),712-731·doi:10.1109/TEVC.2007.892759
[22] Zhou,A.,Qu,B.Y.,Li,H.,Zhao,S.Z.,Suganthan,P.N.,&Zhang,Q.(2011)。《多目标进化算法:最新技术综述》,《群体与进化计算》,1(1),32-49·doi:10.1016/j.swevo.2011.03.001
[23] Zitzler,E。;Knowles,JD;Thiele,L。;Branke,K.(编辑);Deb,K.(编辑);Miettinen,K.(编辑);Sowiski,R.(编辑),帕累托集近似值的质量评估,第5252、373-404号(2008),柏林-海德堡·doi:10.1007/978-3-540-88908-3_14
[24] Zitzler,E.、Thiele,L.、Laumanns,M.、Fonseca,C.M.和da Fonseca-V.G.(2003)。多目标优化器的性能评估:分析和回顾。IEEE进化计算汇刊,7(2),117-132·doi:10.1109/TEVC.2003.810758
[25] Zitzler Eckart,L.M.T.L.(2001)。Spea2:改进多目标优化的强度pareto进化算法。设计优化和控制的进化方法及其在工业问题中的应用,第95-100页。
[26] Zitzler,E.、Deb,K.和Thiele,L.(2000)。多目标进化算法的比较:经验结果。进化计算,8(2),173-195·数字对象标识代码:10.1162/106365600568202
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。