×
Juan Esteban迪亚兹；朱莉娅·汉德尔；徐冬玲

生产计划中的进化稳健优化——目标数量、样本大小和稳健度量选择之间的相互作用。 （英语） Zbl 1391.90652号

计算。操作。物件。 79, 266-278 (2017).
总结：我们的目标是在优化设置中找到稳健的解决方案，其中存在与操作/环境条件相关的不确定性，因此解决方案的适用性最好通过结果分布来描述。在这种情况下，适应度分布的性质（反映特定解决方案在一组操作场景中的性能）在决定解决方案质量方面具有潜在的意义，以前的工作建议将健壮性作为一个额外的优化目标。然而，对不同稳健性标准的研究有限，而且这种选择可能对获得可靠的适应度估计所需的样本大小产生影响。在这里，我们研究了不同的单目标和多目标鲁棒优化公式，在通过基于模拟的优化解决现实世界问题的背景下。对于所考虑的（有限评估）设置，我们的结果突出了显式稳健性标准在引导优化器朝向不仅稳健性（如预期），而且与平均利润高于标准单目标方法确定的利润相关的解决方案时的价值。我们还观察到健壮性度量的选择与适应度评估期间使用的样本大小之间存在显著的交互作用，这种影响对于我们的多目标模型更为明显。

引用于8文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
90C29型 多目标规划
90B05型 库存、储存、水库
90B30型 生产模型
65千5 数值数学规划方法

关键词：

进化多目标优化；生产计划；稳健优化；基于仿真的优化；不确定性建模

软件：

现场
PDF格式BibTeX公司 XML格式引用
\textit{J.E.Diaz}等人，计算。操作。第79、266--278号决议（2017年；Zbl 1391.90652）
全文： 内政部 链接

参考文献：

[1] 比诺伊斯，M。；金斯堡，D。；Roustant，O.，《用高斯过程条件模拟量化帕累托前沿的不确定性》，《欧洲运营研究杂志》，243，2，386-394，（2015）·Zbl 1346.90730号
[2] Branke J.通过进化算法创建稳健的解决方案。In:来自自然的并行问题解决PPSN V.Springer，​荷兰阿姆斯特丹；1998年，第119-28页。
[3] 布兰克，J。；科伦特，S。；Greco，S。；Słowiáski，R。；Zielniewicz，P.，在交互式进化多目标优化中使用Choquet积分作为偏好模型，Eur J Oper Res，250，3，884-901，（2016）·Zbl 1346.90731号
[4] Branke J，Lu K。在稳健性和最坏情况下的质量之间找到平衡点。摘自：2015年遗传和进化计算会议论文集。西班牙马德里ACM；2015年，第623-30页。
[5] 布朗利，A.E。；Wright，J.A.，《NSGA-II利用适应度近似对建筑设计进行约束、混合整体和多目标优化》，应用软件计算，33，0，114-126，（2015）
[6] Chen，L。；Gendreau，M。；Há，M.H。；Langevin，A.，《服务时间不确定的路网日常维护路由问题的稳健优化方法》，《运输研究》第E部分：Logist Transp Rev，85，40-51，（2016）
[7] Ching，W.K。；黄，X。；Ng，M.K。；Siu，T.-K.，马尔可夫链，（2006），施普林格
[8] Coello，C.A.C.，进化多目标优化——该领域的历史观点，Comput Intell Mag IEEE，1，1，28-36，（2006）
[9] 科埃洛CAC。现实应用中的多目标进化算法：一些最新结果和当前挑战。在：进化和确定性方法在工程和科学设计、优化和控制方面的进展。施普林格；2015年，第3-18页。
[10] 达丰塞卡VG，丰塞卡CM。随机多目标优化器评估和比较的实现函数方法。In：优化算法分析的实验方法。施普林格；2010年，第103-30页·Zbl 1206.90107号
[11] da Fonseca VG，Fonseca-CM，Hall AO.随机优化器的推理性能评估和可达函数。In：进化多准则优化。瑞士苏黎世施普林格；2001年，第213-25页。
[12] Deb，K.，遗传算法的一种有效约束处理方法，计算方法应用机械工程，186，2，311-338，（2000）·Zbl 1028.90533号
[13] Deb K.多目标优化。In：搜索方法。施普林格；2014年，第403-49页。
[14] Deb，K。；Gupta，H.，《在多目标优化中引入鲁棒性》，Evolut Compute，14，4，463-494，（2006）
[15] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，《快速精英多目标遗传算法》，IEEE Trans Evolut Compute，6，2，182-197，（2002）
[16] Deep，K。；辛格，K.P。；Kansal，M。；Mohan，C.，解决整数和混合整数优化问题的实数编码遗传算法，应用数学计算，212，2，505-518，（2009）·兹比尔1168.65353
[17] Deep，K。；Thakur，M.，实数编码遗传算法的新交叉算子，应用数学计算，188，1895-911，（2007）·Zbl 1137.90726号
[18] Deep，K。；Thakur，M.，实数编码遗传算法的新变异算子，应用数学计算，193，1，211-230，（2007）·Zbl 1193.68209号
[19] Diaz JE。基于仿真的生产计划优化：集成元神经、仿真和精确技术以解决制造系统的不确定性和复杂性[博士论文]。曼彻斯特大学；2016
[20] Ehrenberg C，Zimmermann J.按订单生产中基于模拟的优化：特殊用途玻璃制造商的调度。收录：2012年冬季模拟会议（WSC）会议记录。IEEE，德国柏林；2012年，第1-12页。
[21] 菲盖拉，G。；Almada-Lobo，B.，《混合模拟优化方法分类与讨论》，模拟模型实践理论，46，118-134，（2014）
[22] Fleischer M.多目标元启发式Pareto最优应用的度量。In：进化多准则优化。斯普林格，法罗，葡萄牙；2003年，第519-33页·Zbl 1036.90530号
[23] 丰塞卡CM。弗莱明PJ。随机多目标优化器的性能评估和比较。In:来自自然的并行问题解决PPSN IV.Springer，Berlin，Germany；1996年，第584-93页。
[24] 加布里埃尔，V。；穆拉特，C。；Thiele，A.，《稳健优化概述的最新进展》，《欧洲运营研究杂志》，235，3，471-483，（2014）·Zbl 1305.90390号
[25] Goh CK、Tan KC。在多目标进化算法中，在帕累托最优性和鲁棒性之间进行权衡。In：动态和不确定环境中的进化计算。施普林格；2007年，第457-78页。
[26] Goh CK、Tan KC。不确定环境中的进化多目标优化：问题和算法，第186卷。施普林格；2009. ·Zbl 1226.90004号
[27] Goh，C.K。；Tan，K.C。；Cheong，C.Y。；Ong，Y.S.，《稳健进化多目标优化中噪声诱导特征的研究》，专家系统应用，37，8，5960-5980，（2010）
[28] 郭，Z。；Wong，W。；Leung，S。；范，J。；Chan，S.，基于遗传算法的优化模型，用于解决具有工作共享和工作站重新访问的柔性装配线平衡问题，IEEE Trans Syst Man Cybern第C部分：Appl Rev，38，March（2），218-228，（2008）
[29] Handl，J。；Kell，D.B。；Knowles，J.，生物信息学和计算生物学中的多目标优化，IEEE/ACM Trans-Comput Biol Bioinforma（TCBB），4，2，279-292，（2007）
[30] Jin，Y。；Branke，J.，《不确定环境中的进化优化——一项调查》，IEEE Trans Evolut Compute，9，3，303-317，（2005）
[31] Jin Y，Sendhoff B.性能和鲁棒性之间的权衡：进化多目标方法。In：进化多准则优化。斯普林格，法罗，葡萄牙；2003年，第237-51页·Zbl 1036.90540号
[32] Knowles J，Thiele L，Zitzler E.随机多目标优化器性能评估教程。Tik报告214；2006年，第327-32页。
[33] Lim，D。；Ong，Y.-S。；Jin，Y。；Sendhoff，B。；Lee，B.S.，《逆向多目标稳健进化设计》，基因程序进化马赫数，7，4，383-404，（2006）
[34] Lim D，Ong YS，Lim MH，Jin Y.存在不确定性时的单/多目标逆向稳健进化设计方法。In：动态和不确定环境中的进化计算。施普林格；2007年，第437-56页。
[35] López-Ibánez M，Paquete L，Stützle T。生物目标优化中随机局部搜索算法的探索性分析。In：优化算法分析的实验方法。施普林格；2010年，第209-22页·Zbl 1208.90154号
[36] 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》，《数学统计年鉴》，50-60，（1947）·兹比尔0041.26103
[37] 马勒，R.T。；Arora，J.S.，《多目标优化的加权和法新见解》，结构多磁盘优化，41，6，853-862，（2010）·Zbl 1274.90359号
[38] Minella，G。；Ruiz，R。；Ciavotta，M.，多目标flowshop调度问题的重启动迭代Pareto贪婪算法，Comput Oper Res，38，11，1521-1533，（2011）
[39] Mlakar，M。；Peterin博士。；Tuar，T。；Filipi，B.，基于高斯过程模型的多目标优化的Gp-demodifferential进化，Eur J Oper Res，243，2，347-361，（2015）·Zbl 1346.90747号
[40] Nordstokke，D.W。；Zumbo，B.D.，一种新的等方差非参数levene检验，《心理学》，31，2，401-430，（2010）
[41] Ong，Y.-S。；奈尔，P.B。；Lum，K.，用于稳健设计的MAX-MIN代理辅助进化算法，IEEE Trans Evolut Compute，10，4，392-404，（2006）
[42] 彭克，I。；布兰克，J。；Jin，Y.，利用进化算法和适应度近似高效搜索鲁棒解，IEEE Trans Evolut Compute，10，4，405-420，（2006）
[43] Pereira V、Sousa P、Cortez P、Rio M、Rocha M。稳健链路状态路由的单目标进化算法与多目标进化算法的比较。In：进化多准则优化。葡萄牙吉马朗斯普林格；2015年，第573-87页。
[44] 使用多目标进化算法的Ray T.约束稳健优化设计。参见：2002年进化计算大会会议记录，第1卷。IEEE，夏威夷檀香山；2002年，第419-24页。
[45] Rooderker，R.P。；Van Heerde，H.J.，《0-1背包问题的稳健优化——产品组合优化中的风险和回报平衡》，《欧洲运营研究杂志》，250，3，842-854，（2016）·Zbl 1346.90048号
[46] Sanchez D，Amodeo L，Prins C.供应链库存管理中基于多目标仿真优化的元神经方法。网络化制造企业管理的人工智能技术。施普林格；2010年，第249-69页。
[47] Syberfeldt，A。；Ng，A。；约翰·R·I。；Moore，P.，《使用基于置信度的动态重采样对噪声多目标问题进行进化优化》，《欧洲运营研究杂志》，204,3533-544，（2010）·Zbl 1181.90155号
[48] Tsutsui S.用稳健的解搜索方案对遗传算法中表型参数添加扰动的影响进行的比较研究。1999年IEEE系统、人和控制论国际会议，1999年。SMC’99会议记录，第3卷。IEEE，日本东京；1999年，第585-91页。
[49] 南筑井。；Ghosh，A.，具有稳健解搜索方案的遗传算法，IEEE Trans Evolut Compute，1,3201-208，（1997）
[50] 王，Z。；郭杰。；郑，M。；Wang，Y.，不确定多目标旅行商问题，欧洲运筹学杂志，241,2478-489，（2015）·Zbl 1339.90290号
[51] 张，Q。；莫拉里，M.F。；格罗斯曼，I.E。；Sundaramoorthy，A。；Pinto，J.M.，《提供可中断负荷的连续工业过程调度的可调稳健优化方法》，《计算化学工程》，86，106-119，（2016）
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。