×
龙，羌;吴长治;王祥宇;江，林;李觉佑

基于离散选择过程的多目标遗传算法。 （英语） Zbl 1394.90516号

数学。问题。工程师。 2015，文章ID 349781，第17页（2015）.
摘要：多目标遗传算法（MOGA）是一种求解多目标优化问题的直接搜索方法。它是基于遗传算法的过程；遗传算法基于种群的特性在MOGA中得到了很好的应用。与传统的以寻找单个Pareto解为目标的多目标算法相比，MOGA旨在识别Pareto求解的个数。在使用遗传算法求解多目标优化问题的过程中，需要考虑解的精英性和多样性。但是，通常情况下，精英主义和多样性之间会有一些权衡。对于一些多目标问题，精英主义和多样性是相互冲突的。因此，应用MOGA获得的解决方案必须与精英主义和多样性相平衡。在本文中，我们提出了度量方法来数值度量解的精英性和多样性，并应用最优次序方法来识别这些具有更好精英性和差异性度量的解。我们用一些著名的基准测试了该方法，并将其数值性能与其他MOGA进行了比较；结果表明，该方法有效且鲁棒。

MSC公司：

90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式

软件：

SPEA2公司;PAES公司;GDE3型
PDF格式BibTeX公司 XML格式引用
\textit{Q.Long}等人，数学。问题。Eng.2015，文章ID 349781，17 p.（2015；Zbl 1394.90516）
全文： DOI程序

参考文献：

[1] Li，C.J。；李，C.D。；Liao，X.F。；Huang，T.W.，时滞高阶BAM神经网络稳定性的脉冲效应，神经计算，74，10，1541-1550，（2011）·doi:10.1016/j.neucom.2010.12.028
[2] Li，C.J。；Yu，W.W。；Huang，T.W.，具有切换拓扑的随机复杂网络的脉冲同步方案：平均时间方法，神经网络，54，85-94，（2014）·兹比尔1307.93377 ·doi:10.1016/j.neunet.2014.02.013
[3] Li，C.J。；Gao，D.Y。；刘，C。；Chen，G.，带切换拓扑的延迟离散复杂网络同步的脉冲控制，神经计算与应用，24，1，59-68，（2014）·doi:10.1007/s00521-013-1470-3
[4] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，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，（2002）·数字对象标识代码：10.1109/4235.996017
[5] 埃尔戈特，M。；艾德·J。；Schöbel，A.，多目标优化问题的最小鲁棒性，《欧洲运筹学杂志》，239，1，17-31，（2014）·Zbl 1339.90296号 ·doi:10.1016/j.ejor.2014.03.013
[6] Long，Q.，约束多目标遗传算法的约束处理技术，Swarm和进化计算，15，66-79，（2014）·doi:10.1016/j.swavo.2013.12.002
[7] Mavrotas，G。；俄亥俄州佩查克。；Siskos，E。；杜卡斯，H。；Psarras，J.，《使用蒙特卡罗模拟进行多目标数学规划的稳健性分析》，《欧洲运筹学杂志》，240，1，193-201，（2015）·Zbl 1339.90307号 ·doi:10.1016/j.ejor.2014.06.039
[8] 齐永泰。；Ma，X.L。；刘，F。；焦立中。；Sun，J.Y。；Wu，J.S.，具有自适应权重调整的MOEA/D，进化计算，22，2，231-264，（2014）·doi:10.1162/EVCO_a_00109
[9] Fishburn，P.C.，决策的效用理论，DTIC文件，（1970）·Zbl 0213.46202号
[10] Kim，I.Y。；De Weck，O.L.，双目标优化的自适应加权和法：pareto前沿生成，结构和多学科优化，29，2，149-158，（2005）·doi:10.1007/s00158-004-0465-1
[11] 马勒，R.T。；Arora，J.S.，《多目标优化的加权和法：新见解》，《结构和多学科优化》，41，6，853-862，（2010）·Zbl 1274.90359号 ·doi:10.1007/s00158-009-0460-7
[12] 刘建杰。；吴振中。；Wu，G。；Wang，X.Y.，一种新的差分搜索算法及其在结构设计中的应用·Zbl 1410.90271号
[13] 龙，Q。；Wu，C.Z.，一种结合遗传算法和Hooke-Jeeves方法的约束全局优化混合方法，工业与管理优化杂志，10，4，1279-1296，（2014）·Zbl 1292.90313号 ·doi:10.3934/jimo.2014.10.1279
[14] 朗，Q。；吴振中。；黄，T.W。；Wang，X.Y.，无约束多目标优化的遗传算法，Swarm和进化计算，（2015）·doi:10.1016/j.swevo.2015.01.002
[15] 琼斯·D·F。；米拉扎维，S.K。；Tamiz，M.，《多目标元神经系统：当前最先进技术概述》，《欧洲运筹学杂志》，137，1，1-9，（2002）·Zbl 1002.90060号 ·doi:10.1016/s0377-2217（01）00123-0
[16] 库马尔，P。；哥斯巴多利，D。；Bauer，P.，受生物进化启发的改进遗传算法，软计算，11，10，923-941，（2007）·doi:10.1007/s00500-006-0143-x
[17] 辛迪亚，K。；Ruuska，S。；Haanpää，T。；Miettinen，K.，一种新的用于差分进化多目标优化的混合变异算子，软计算，15，10，2041-2055，（2011）·doi:10.1007/s00500-011-0704-5
[18] Schaffer，J.D.，采用矢量评估遗传算法的多目标优化，第一届遗传算法国际会议论文集，L.Erlbaum Associates·Zbl 0676.68047号
[19] 丰塞卡，C.M。；Fleming，P.J.，多目标遗传算法，IEE控制系统工程遗传算法学术讨论会论文集，IET
[20] 霍恩，J。；Nafpliotis，N。；Goldberg，D.E.，多目标优化的小生境Pareto遗传算法，第一届IEEE进化计算会议论文集，IEEE计算智能世界大会，IEEE·doi:10.1109/ICEC.1994.350037
[21] 哈耶拉，P。；Lin，C.-Y.，多准则优化设计中的遗传搜索策略，结构优化，4，2，99-107，（1992）·doi:10.1007/BF01759923
[22] Murata，T。；Ishibuchi，H.，MOGA：多目标遗传算法，IEEE进化计算国际会议论文集，IEEE
[23] Srinivas，N。；Deb，K.，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
[24] Zitzler，E。；Thiele，L.，《多目标进化算法：比较案例研究和强度Pareto方法》，IEEE进化计算汇刊，3，4，257-271，（1999）·doi:10.1109/4235.797969
[25] Zitzler，E。；Laumanns，M。；Thiele，L.，SPEA2:改进强度Pareto进化算法，（2001年），苏黎世埃金科技大学（ETH）信息与通信研究所（TIK）·doi:10.3929/ethz-a-004284029
[26] 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，8，2，149-172，（2000）·doi:10.1162/10636560056868167
[27] 科恩·D·W。；Knowles，法学博士。；Oates，M.J.，《用于多目标优化的基于帕累托包络的选择算法》，《自然》PPSN VI的并行问题解决，《自然PPSNⅥ的并行问题求解》，《计算机科学讲义》，1917，839-848，（2000），德国柏林：斯普林格，德国柏林·doi:10.1007/3-540-45356-382
[28] Zitzler，E。；Deb，K。；Thiele，L.，《多目标进化算法的比较：经验结果》，进化计算，8，2，173-195，（2000）·数字对象标识代码：10.1162/106365600568202
[29] 科普曼斯，T.C。；Reiter，S.，运输模型，生产和分配活动分析，222，（1951），美国纽约州纽约市：John Wiley&Sons，美国纽约市·Zbl 0045.09704号
[30] Holland，J.H.，《自然和人工系统的适应》，53，（1975），美国密歇根州安阿伯：密歇根大学出版社·Zbl 0317.68006号
[31] Goldberg，D.E.，遗传算法和面向群体的模拟退火的Boltzmann竞赛选择注释，复杂系统，4，4，445-460，（1990）·Zbl 0717.68083号
[32] Goldberg，D.E。；科尔布，B。；Deb，K.，《梅西遗传算法：动机、分析和首次结果》，《复杂系统》，第3、5、493-530页，（1989）·Zbl 0727.68097号
[33] Grefenstette，J.J.，遗传算法控制参数的优化，IEEE系统汇刊，人类与控制论，16，1122-128，（1986）·doi:10.1109/tsmc.1986.289288
[34] Kitano，H.，《神经遗传学习：使用遗传算法设计和训练神经网络的综合方法》，《物理D：非线性现象》，75，1–3，225-238，（1994）·Zbl 0860.68087号 ·doi:10.1016/0167-2789（94）90285-2
[35] Murata，T。；Ishibuchi，H。；Tanaka，H.，多目标遗传算法及其在流水作业调度中的应用，计算机与工业工程，30,4957-968，（1996）·doi:10.1016/0360-8352（96）00045-9
[36] Goldberg，D.E.，《搜索、优化和机器学习中的遗传算法》，（1989），美国马萨诸塞州雷丁市：艾迪森·韦斯利，雷丁市，美国·Zbl 0721.68056号
[37] 丰塞卡，C.M。；Fleming，P.J.，《用于多目标优化的遗传算法：公式讨论和推广》，第五届遗传算法国际会议论文集（ICGA’93）
[38] Knowles，J。；Corne，D.，The pareto archived evolution strategy:a new baseline algorithm for pareto multi-objective optimization，《进化计算大会论文集》（CEC’99）·doi:10.1109/cec.1999.781913
[39] Goldberg，D.E。；Richardson，J.，用于多模态函数优化的共享遗传算法，第二届遗传算法及其应用国际会议论文集，Lawrence Erlbaum Associates
[40] 卢，H。；Yen，G.G.，基于秩密度的多目标遗传算法和基准测试函数研究，IEEE进化计算汇刊，7，4，325-343，（2003）·doi:10.1109/tevc.2003.812220
[41] Yen，G.G。；Lu，H.，动态多目标进化算法：基于自适应单元的秩和密度估计，IEEE进化计算汇刊，7，3，253-274，（2003）·doi:10.1109/tevc.2003.810068
[42] 张庆福。；周，A。；赵S.Z。；Suganthan，P.N。；Liu，W.D。；Tiwari，S.，CEC 2009年特别会议和竞赛的多目标优化测试实例，CES-487，（2009），埃塞克斯大学和南洋理工大学
[43] 张庆福。；Liu，W.D。；Li，H.，新版MOEA/D在CEC09无约束MOP测试实例上的性能，IEEE进化计算大会会议记录（CEC'09），IEEE·doi:10.1109/cec.2009.4982949
[44] 库科宁，S。；Lampinen，J.，《广义差分进化3（GDE3）与给定问题集的性能评估》，IEEE进化计算大会会议记录（CEC'07），IEEE·doi:10.1109/cec.2007.4424938
[45] 陈，C.-M。；陈永平。；Zhang，Q.F.，用引导变异和优先级更新增强多目标优化的MOEA/D，IEEE进化计算大会论文集（CEC'09）·doi:10.1109/cec.2009.4982950
[46] Tseng，L.-Y。；Chen，C.，无约束/约束多目标优化的多轨迹搜索，IEEE进化计算大会论文集（CEC'09），IEEE·doi:10.1109/cec.2009.4983179
[47] 刘，H.-L。；Li，X.Q.，基于确定权重和次区域搜索的多目标进化算法，IEEE进化计算大会会议记录（CEC'09），IEEE·doi:10.1109/cec.2009.4983176
[48] 刘，M.H。；邹晓峰。；Yu，C。；Wu，Z.J.，具有CEC 2009 MOEA竞争测试实例的DMOEA-DD性能评估，IEEE进化计算大会论文集（CEC'09），IEEE·doi:10.1109/cec.2009.4983309
[49] 信德省。；辛哈，A。；Deb，K。；Miettinen，K.，约束和非约束问题的优化算法，IEEE进化计算大会论文集（CEC'09）·doi:10.1109/cec.2009.4983310
[50] 黄，V.L。；赵S.Z。；Mallipeddi，R。；Suganthan，P.N.，使用自适应差分进化算法的多目标优化，IEEE进化计算大会论文集（CEC'09）·doi:10.1109/cec.2009.4982947
[51] Wang，Y.P。；Dang，C.Y。；李，H.C。；Han，L.X。；Wei，J.X.，基于正交均匀设计的聚类多目标进化算法，IEEE进化计算大会论文集（CEC'09），IEEE·doi:10.1109/cec.2009.4983311
[52] 蒂瓦里，S。；Fadel，G。；科赫，P。；Deb，K.，基于混合存档的微遗传算法（AMGA）在CEC09测试问题上的性能评估，IEEE进化计算大会会议记录（CEC'09），IEEE·doi:10.1109/CEC.2009.4983177
[53] Qu，B.Y。；Suganthan，P.N.，《没有非支配排序的多目标进化规划速度快20倍》，第11届进化计算大会会议记录（CEC'09），IEEE
[54] Zamuda，A。；布雷斯特，J。；博什科维奇，B。；Joumer，V.，约束多目标优化的自适应和局部搜索差分进化，IEEE进化计算大会论文集（CEC'09）·doi:10.1109/cec.2009.4982948
[55] 高，S。；曾世勇。；肖，B。；张，L。；Shi，Y。；田，X。；Yang，Y。；Long，H。；杨，X。；Yu，D。；Yan，Z.，一种具有低维交叉的正交多目标进化算法，IEEE进化计算大会论文集（CEC'09），IEEE·doi:10.1109/cec.2009.4983180
[56] 张庆福。；Suganthan，P.N.，CEC’09 MOEA竞赛最终报告，IEEE进化计算大会（CEC’2009）
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。