×

使用基于Karush-Kuhn-Tucker最优性的局部搜索实现进化多准则优化算法的更快收敛。 (英语) Zbl 1391.90541号

摘要:进化多准则优化(EMO)算法迭代地强调种群中的非支配和较少拥挤的解,直到种群收敛到接近Pareto最优集。在搜索过程中,非支配解决方案仅通过其局部拥挤程度或对超级卷的贡献或使用类似的其他度量来区分。因此,在进化过程中,甚至在最后迭代时,来自Pareto最优集的每个非支配解的真正收敛行为是未知的。最近的研究使用了Karush-Kuhn-Tucker(KKT)最优性条件来开发KKT邻近度测度(KKTPM),用于从多目标优化问题的Pareto最优集估计解的邻近度。在本文中,我们将KKTPM与最近提出的EMO算法相结合,以增强其向真正的Pareto最优前沿的收敛特性。具体来说,我们使用KKTPM来识别每一代中收敛性较差的非支配解,并应用基于成果尺度化函数的局部搜索过程来提高其收敛性。在KKTPM的协助下,修改后的算法的设计使函数求值的总数尽可能少,同时在最需要的地方使用局部搜索。对有约束和无约束多目标和多目标优化问题的仿真结果表明,该混合算法显著提高了整体收敛性能。本研究使进化优化更接近主流优化领域,并应激励研究人员在EMO和其他数值优化算法中进一步利用KKTPM度量。

MSC公司:

90C29型 多目标规划
90立方 非线性规划
90 C59 数学规划中的近似方法和启发式
90立方厘米 灵敏度、稳定性、参数优化

软件:

规范2
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Chankong,V。;Haimes,Y.Y.,多目标决策理论与方法,(1983),纽约州北荷兰人·Zbl 0525.90085号
[2] Miettinen K.非线性多目标优化,第12卷。施普林格科学与商业媒体,2012年·Zbl 1282.90166号
[3] Fonseca CM,Fleming PJ,等。多目标优化的遗传算法:公式化、讨论和推广。摘自:遗传算法国际会议,第93卷。Citeser;1993年,第416-23页。
[4] Horn J,Nafpliotis N,Goldberg DE。多目标优化的小生境pareto遗传算法。摘自:1994年第一届进化计算ieee会议论文集,ieee计算智能世界大会。IEEE;1994年,第82-7页。
[5] Srinivas,N。;Deb,K.,遗传算法中使用非支配排序的多目标优化,Evol。计算。,2, 3, 221-248, (1994)
[6] Deb K.使用进化算法的多目标优化,第16卷。约翰·威利父子公司;2001. ·Zbl 0970.90091号
[7] Goldberg DE,Richardson J.用于多模态函数优化的共享遗传算法。摘自:第一届遗传算法及其应用国际会议论文集;1987年,第41-9页。
[8] 德容卡。一类遗传适应系统的行为分析[博士论文],密歇根州安娜堡:密歇根大学,论文文摘国际36(10),5140B(大学缩微胶片编号76-9381);1975
[9] Deb K,Goldberg DE。遗传功能优化中生态位和物种形成的研究。在:第三届遗传算法国际会议论文集;1989年,第42-50页。
[10] Zitzler,E。;Thiele,L.,多目标进化算法比较案例研究和强度帕累托方法,IEEE Trans Evolut Compute,3,4,257-271,(1999)
[11] Zitzler E,Laumanns M,Thiele L.SPEA2:多目标优化的改进Pareto进化算法。内容:KCG等人(编辑),《设计优化和控制的进化方法及其在工业问题中的应用》,国际工程数值方法中心(CIMNE);2001年,第95-100页。
[12] 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)
[13] Knowles,J.D。;Corne,D.W.,《使用帕累托存档进化策略逼近非支配前沿》,《进化计算杂志》,第8期,第2期,第149-172页,(2000年)
[14] Khare V,Yao X,Deb K。多目标进化算法的性能缩放。In:第二届进化多准则优化(EMO-03)会议记录(计算机科学讲稿,第2632卷);2003年,第376-90页。
[15] Saxena D,Deb K。通过多对象化利用约束的关键性来交易不可行性:系统设计的观点。摘自:进化计算大会会议记录(CEC-2007)。新泽西州皮斯卡特韦:IEEE出版社;2007年,第919-26页。
[16] 张,Q。;Li,H.,基于分解的MOEA/da多目标进化算法,IEEE Trans Evolut Compute,11,6,712-731,(2007)
[17] Deb,K。;Jain,H.,使用基于参考点的非支配排序方法的进化多目标优化算法,带方框约束的零件隔离问题,IEEE Trans Evolut Compute,18,4,577-601,(2014)
[18] Jain,H。;Deb,K.,使用基于参考点的非支配排序方法的进化多目标优化算法,第二部分处理约束并扩展到自适应方法,IEEE Trans Evolut Compute,18,4,602-622,(2014)
[19] Deb,K。;Sundar,J。;Uday,N。;Chaudhuri,S.,使用进化算法的基于参考点的多目标优化,国际计算机智能研究(IJCIR),2,6,273-286,(2006)
[20] Deb K,Kumar A.使用参考方向法的交互式进化多目标优化和决策。摘自:《遗传和进化计算会议论文集》(GECCO-2007)。纽约:计算机协会(ACM);2007年,第781-8页。
[21] Deb K,Kumar A.使用进化算法的基于光束搜索的多目标优化。In:进化计算大会会议记录(CEC-07);2007年,第2125-32页。
[22] Deb,K。;辛哈,A。;Korhonen,P。;Wallenius,J.,基于逐步逼近值函数的交互式进化多目标优化方法,IEEE Trans Evolut Compute,14,5,723-739,(2010)
[23] Branke J,Greco S,Slowinski R,Zielniewicz P。使用稳健序数回归的交互式进化多目标优化。摘自:第五届进化多准则优化国际会议论文集(EMO-09)。柏林:施普林格出版社;2009年,第554-68页。
[24] 杜塔,J。;Deb,K。;Tulshyan,R。;Arora,R.,《近似KKT点和端接距离测量》,J Glob Optim,56,4,1463-1499,(2013)·Zbl 1297.90150号
[25] 安德烈亚尼,R。;海瑟,G。;Martinez,J.M.,关于光滑约束优化的序列最优性条件,最优化,60,5627-641,(2011)·Zbl 1225.90123号
[26] 舒茨,O。;科埃洛·科埃洛,C.A。;莫斯塔吉,S。;塔尔比,E.-G。;Dellnitz,M.,《将进化策略与连续方法相结合以解决多目标问题》,《工程优化》,40,5,383-402,(2008)
[27] Deb,K。;Abouhawwash,M.,《基于集合的多目标优化的基于优化理论的邻近测度》,IEEE Trans。进化。计算。,90, (2015)
[28] Deb K,Abouhawwash M.Karush-Kuhn-Tucker邻近测度的快速近似计算方法。技术报告。COIN报告编号:2015015。美国东兰辛密歇根州立大学电气与计算机工程系;2015
[29] 布拉德斯特里特。;而L。;Barone,L.,《快速增量超卷算法》,IEEE Trans Evolut Compute,12,6,714-723,(2008)
[30] 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 Trans-Syst Man-Cybern第C部分:应用版本,28,3,392-403,(1998)
[31] Ishibuchi,H。;吉田,T。;Murata,T.,多目标置换流水车间调度模因算法中遗传搜索和局部搜索的平衡,IEEE Trans Evolut Compute,7,2,204-223,(2003)
[32] Ishibuchi H,Narukawa K。简单多目标遗传局部搜索算法在多目标0/1背包问题上的性能评估。在:进化计算大会,2004年(CEC2004),第1卷。IEEE;俄勒冈州波特兰,美国,2004年。第441-8页。
[33] 科恩DW Knowles JD。M-paes:用于多目标优化的模因算法。在:2000年进化计算大会会议记录,第1卷。IEEE;美国加利福尼亚州圣地亚哥,2000年。第325-32页。
[34] Harada K,Sakuma J,Kobayashi S。多目标函数优化的局部搜索:Pareto下降法。摘自:第八届遗传和进化计算年会论文集。ACM;西雅图,华盛顿州,美国。第659-66页。
[35] Bosman,P.A.,《实值多目标优化的梯度和混合进化算法》,IEEE Trans Evolut Compute,16,1,51-69,(2012)
[36] Sindhya K,Deb K,Miettinen K。一种基于局部搜索的进化多目标优化方法,可实现快速准确的收敛。In:来自Nature的并行问题解决PPSN X.Springer;德国多特蒙德,2008年。第815-24页。
[37] Santana Quintero有限公司。;埃尔南德斯·迪亚斯(A.G.Hernández-Díaz)。;莫利纳,J。;科埃罗,C.A.C。;Caballero,R.,Demorsa混合多目标优化算法,使用差分进化和粗糙集理论解决约束问题,Comput Oper Res,37,3,470-480,(2010)·兹比尔1175.90364
[38] Jaszkiewicz,A.,多目标组合优化的遗传局部搜索,欧洲运筹学杂志,137,1,50-71,(2002)·Zbl 1002.90051号
[39] Schäffler,S。;舒尔茨,R。;Weinzierl,K.,解无约束向量优化问题的随机方法,J Optim理论应用,114,1209-222,(2002)·Zbl 1022.90027号
[40] Lara,A。;桑切斯,G。;科埃罗,C.A.C。;Schütze,O.,Hcsa模因多目标进化算法的新局部搜索策略,IEEE Trans Evolut Compute,14,1,112-132,(2010)
[41] Deb K,Goel T.工程形状设计的混合多目标进化方法。In:第一届进化多准则优化国际会议论文集(EMO-01);2001年,第385-99页。
[42] Wierzbicki美联社。多目标优化中参考目标的使用。多准则决策理论与应用。施普林格;柏林-海德堡,1980年。第468-86页。
[43] Deb,K。;Agrawal,R.B.,连续搜索空间的模拟二进制交叉,复杂系统,9,2,115-148,(1995)·Zbl 0843.68023号
[44] Deb K,Srinivasan A.Innovization:通过优化创新设计原则。摘自:《遗传和进化计算会议论文集》(GECCO-2006)。纽约:ACM;2006年,第1629-36页。
[45] Deb,K.,《多目标遗传算法问题难度和测试问题构造》,Evolut Compute,7,3,205-230,(1999)
[46] Zitzler,E。;Deb,K。;Thiele,L.,多目标进化算法模拟结果的比较,进化计算,8,2,173-195,(2000)
[47] Deb,K。;Thiele,L。;Laumanns,M。;Zitzler,E.,进化多目标优化的可扩展测试问题,(2005),Springer London·Zbl 1078.90567号
[48] 诺尔斯,J。;科恩·D·。;Deb,K.,《从自然中解决多目标问题:从概念到应用》(2007),施普林格科学与商业媒体
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。