罗、奈丽；李霞；林秋珍 利用目标子空间提取对多目标优化问题进行目标约简。 （英语） Zbl 1398.90156号 软计算。 22，第4期，1159-1173（2018）. 摘要：多目标进化算法（MOEA）在探索具有2个和3个目标的多目标优化问题（MOP）的收敛性好且多样化的近似集方面显示了其有效性。然而，当处理具有3个以上目标的多目标优化问题（通常称为多目标优化（MaOP））时，大多数算法表现不佳。这主要是由于MaOP中非显性个体的数量迅速增加，导致种群更新中选择压力的丧失。目标约简可以用来降低某些MaOP的难度，这有助于缓解上述问题。本文提出了一种新的基于目标子空间提取的MaOP目标约简框架OSEOR。定义了一种新的不同目标之间的冲突信息度量方法，对每个目标的相对重要性进行排序，然后设计了一种有效的方法，在MOEA执行过程中提取多个降维的重叠子空间。为了验证所提方法的有效性，将其嵌入到一个著名且常用的MOEA（NSGA-II）中。使用多个测试MaOP来评估优化性能，包括四个不可约问题（即DTLZ1-DTLZ4）和一个可约问题。实验结果表明，使用OSEOR可以显著提高NSGA-II在不可约和可约MaOP上的性能。 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 关键词：多目标优化；客观还原；目标子空间提取；冲突信息 软件：MOPSO公司；HypE公司；SPEA2公司；MOEA/D公司 PDF格式BibTeX公司 XML格式引用 \textit{N.Luo}等人，《软计算》。22，第4号，1159--1173（2018；Zbl 1398.90156） 全文： DOI程序 参考文献： [1] Aguirre H和Tanaka K（2009）自适应（ε）-MNK景观排名。In：多准则决策中的计算智能，第104-111页 [2] Al，明尼苏达州；彼得罗夫斯基，A；等。，D2MOPSO：基于分解和支配的MOPSO，使用目标和解决方案空间中的拥挤距离进行归档，Evol-Comput，22，47-77，（2013） [3] Auger A和Bader J等人（2009）超体积指示剂理论：最佳（μ）分布和参考点的选择。In:第十届ACM Sigevo遗传算法基础研讨会，第87-102页·Zbl 1369.68293号 [4] Bader，J；Zitzler，E，Hype:一种基于快速超卷的多目标优化算法，Evol-Comput，19，45-76，（2011）·doi:10.1162/EVCO_a_00009 [5] 布罗克霍夫，D；Zitzler，E，所有目标都是必要的吗？关于进化多目标优化中的降维，Lect Notes Comput Sci，4193，533-542，（2006）·doi:10.1007/11844297_54 [6] 布罗克霍夫，D；Zitzler，E，进化多目标优化中的目标约简：理论与应用，进化计算，17，135-166，（2009）·doi:10.1162/evco.2009.17.2.135 [7] 陈，J；林，Q；等。，具有细粒度选择机制的基于混沌的多目标免疫算法，软计算，15，1273-1288，（2011）·doi:10.1007/s00500-010-0661-4 [8] 陈，XH；李，X；等。，多目标混洗蛙跳算法中的改进种群划分方法，J Signal Process，301134-1142，（2014） [9] Coello CAC，Lechuga MS（2002）MOPSO：多目标粒子群优化的建议。摘自：2002年进化计算大会会议记录。CEC'02，第1051-1056页 [10] Coello CAC（2005）进化多目标优化的最新趋势。进化多目标优化。斯普林格，伦敦·Zbl 1078.90566号 [11] Coello CAC，Van Veldhuizen DA等人（2006）解决多目标问题的进化算法（遗传和进化计算）。纽约州施普林格 [12] Corne DW，Knowles JD（2009）《高度多目标优化技术：一些非支配点优于其他点》。收件人：Gecco ACM会议记录，第773-780页 [13] Czyzżak，P；Jaszkiewicz，A，Pareto模拟退火：多目标组合优化的元启发式技术，《多准则决策分析杂志》，7，34-47，（1998）·Zbl 0904.90146号 ·doi:10.1002/（SICI）1099-1360（199801）7:1<34:：AID-MCDA161>3.0.CO；2-6 [14] Deb，K；普拉塔普，A；等。，一种快速的精英多目标遗传算法：NSGA-II，IEEE Trans-Evol Compute，6182-197，（2002）·数字对象标识代码：10.1109/4235.996017 [15] Deb K，Saxena DK（2005）关于通过维度寻找pareto-optimal解决方案。某些大维多目标优化问题的简化，KanGAL报告 [16] Deb K，Thiele L等人（2006），进化多目标优化的可扩展测试问题。进化多目标优化，Springer，London，pp 105-145·Zbl 1078.90567号 [17] 丰塞卡，CM；弗莱明，PJ，多目标优化中进化算法概述，进化计算，3，1-16，（1995）·doi:10.1162/evco.1995.3.1.1 [18] Gal，T；Hanne，T，为应用MCDM方法而放弃非必要目标的后果，欧洲运营研究杂志，119，373-378，（1999）·Zbl 0933.90054号 ·doi:10.1016/S0377-2217（99）00139-3 [19] 贾基奥齐斯，我；弗莱明，PJ，决策的帕累托前沿估计，进化计算，22651-678，（2014）·doi:10.1162/EVCO_a_00128 [20] Hadka D、Reed PM等人（2012年）针对多目标产品系列设计问题的borg MOEA诊断评估。进化计算，第1-10页 [21] 哈德卡，D；Reed，P，多目标进化优化中搜索控制和故障模式的诊断评估，进化计算，20，423-452，（2011）·doi:10.1162/EVCO_a_00053 [22] 华平，Y；姚，W，一种新的基于分解的多目标粒子群优化算法，J Syst Eng Electron，325541-557，（2013） [23] Ishibuchi H，Akedo N等人（2011）EMO算法在具有相关目标的多目标优化问题上的行为。在：IEEE进化计算大会，Cec 2011，美国洛杉矶新奥尔良，6月5-8日，第1465-1472页 [24] Ishibuchi H、Tsukamoto N等人（2008）《进化多目标优化：简短回顾》。In：程序。2008年IEEE进化计算大会，香港，第2424-2431页 [25] Ishibuchi H、Sakane Y等人（2009），由NSGA-II和MOEA/D进行的大种群进化多目标优化。摘自：IEEE系统、人与控制论国际会议，第1758-1763页 [26] Jaimes AL、Coello CAC等人（2008）使用特征选择技术进行客观约简。In:遗传和进化计算会议，GECCO 2008，Proceedings，Atlanta，GA，USA，pp 673-680 [27] 美国监狱；CAC科埃罗；等。，使用冲突信息进行目标空间划分以解决多个目标问题，Inf Sci，268，305-327，（2014）·Zbl 1341.90125号 ·doi:10.1016/j.ins.2014.02.002 [28] Jaimes AL，Coello CAC（2015）《多目标问题：挑战和方法》。斯普林格计算智能手册。施普林格·柏林，海德堡，第1033-1046页 [29] Joshi，R；Deshpande，B，《多目标优化问题的实证和分析研究：分析非支配解的分布和人口规模以实现随机启发式的可扩展性》，Memet Compute，6，133-145，（2014）·doi:10.1007/s12293-014-0133-y [30] 李，H；Landasilva，D，基于模拟退火的自适应进化多目标方法，进化计算，19561-595，（2011）·doi:10.1162/EVCO__00038 [31] 李，H；Zhang，Q，复杂Pareto集的多目标优化问题，MOEA/D和NSGA-II，IEEE Trans-Evol Compute，13，284-302，（2009）·doi:10.1109/TEVC.2008.925798 [32] 李，X；罗，J；等。，一种改进的带极值优化的混合蛙跳算法用于连续优化，Inf Sci，192，143-151，（2012）·doi:10.1016/j.ins.2010.07.016 [33] 林，Q；Chen，J，一种新的微种群免疫多目标优化算法，Comput Oper Res，40，1590-1601，（2013）·Zbl 1348.90638号 ·doi:10.1016/j.cor.2011.11.011 [34] 林，Q；朱，Q；等。，具有自适应差分进化的新型混合多目标免疫算法，Comput Oper Res，62，95-111，（2015）·兹比尔1348.90562 ·doi:10.1016/j.cor.2015.04.003 [35] 林，Q；陈，J；等。，多目标优化问题的混合进化免疫算法，IEEE Trans-Evol Compute，20711-729，（2016） [36] Lotov AV、Bushenkov VA等人（2004）交互式决策图简介。交互式决策图。纽约州施普林格·兹比尔1103.90054 ·doi:10.1007/978-1-4419-8851-5 [37] Mashwani WK，Salhi A（2014）基于分解的多目标模因算法。应用软计算21（8）：221-243 [38] Obayashi，S；Sasaki，D，使用自组织映射对Pareto解决方案进行可视化和数据挖掘，Int-Conf-Evo Multi-Criterion Optim，2632796-808，（2003）·Zbl 1036.90547号 ·doi:10.1007/3-540-36970-8_56 [39] 帕尔米，IC；Cvetkovic，D，偏好及其在进化多目标优化中的应用，IEEE Trans-Evol Compute，6，42-57，（2002）·数字对象标识代码：10.1109/4235.985691 [40] Powell WB（2011）《近似动态规划：解决维度诅咒》，第2版。威利，伦敦·Zbl 1242.90002号 ·doi:10.1002/9781118029176 [41] 丹麦Saxena；杜罗，JX；等。，多目标优化中的目标简化：线性和非线性算法，IEEE Trans-Evol Compute，17，77-99，（2013）·doi:10.1109/TEVC.2012.2185847 [42] 丹麦Saxena；Deb，K，某些大维多目标优化问题的非线性降维程序：使用相关熵和新的最大方差展开，Evol-multi-Criter Optim，4403，772-787，（2007）·doi:10.1007/978-3-540-70928-2_58 [43] Saxena D（2006）通过降维搜索某些大维多目标优化问题的帕累托最优解。In:IEEE进化计算大会 [44] Schaffer JD（1985）使用矢量评估遗传算法进行多目标优化。In:美国宾夕法尼亚州匹兹堡遗传算法国际会议，7月，第93-100页·Zbl 0676.68047号 [45] Schott，JR，使用单准则和多准则遗传算法优化的容错设计，细胞免疫，37，1-13，（1995） [46] DJ Walker；埃弗森，R；等。，多目标优化中相互非支配解集的可视化，IEEE Trans-Evol Compute，17，165-184，（2012）·doi:10.1010/TEVC.2012.2225064文件 [47] Wang G，Wu JJ（2007）一种新的模糊优势遗传算法，用于解决多目标优化问题。参加：IEEE计算机学会创新计算、信息和控制国际会议 [48] 王，H；焦，L；等。，基于决策空间降维的模因优化策略，Evol-Comput，23，69-100，（2015）·doi:10.1162/EVCO_a_00122 [49] Wang R，Purshouse RC等人（2013）使用自适应生成的目标向量的受偏好启发的协同进化算法。进化计算，第916-923页 [50] DH Wolpert；Macready，WG，《优化的无免费午餐定理》，IEEE Trans-Evol Compute，1，67-82，（1997）·doi:10.1109/4235.585893 [51] Zhan，ZH；李，J；等。，多目标多种群：解决多目标优化问题的协同进化技术，IEEE Trans-Syst Man Cybernet第B部分Cybernet-Pubbl IEEE Syst Man Cypernet Soc，43，445-463，（2013） [52] 张，Q；Li，H，MOEA/D:一种基于分解的多目标进化算法，IEEE Trans-Evol-Comput，11712-731，（2007）·doi:10.1109/TEVC.2007.892759 [53] Zitzler，E；蒂勒，L；等。，多目标优化器的性能评估：分析与评述，IEEE Trans-Evol Compute，7，117-132，（2003）·doi:10.1109/TEVC.2003.810758 [54] Zitzler E、Laumanns M等人（2001）SPEA2：改进多目标优化的强度pareto进化算法。用于工业问题的设计、优化和控制的进化方法。摘自：《2001年欧洲议程》，希腊雅典，9月 [55] Zitzler，E；Künzli，S，多目标搜索中基于指标的选择，Lect Notes Comput Sci，3242，832-842，（2015）·doi:10.1007/978-3-540-30217-984 [56] 邹，X；陈，Y；等。，解决多目标优化问题的新进化算法，IEEE Trans-Syst Man Cybernet第B部分Cybernet-Publ IEEE Syst Man Cypernet-Soc，38，1402-1412，（2008）·doi:10.1109/TSMCB.2008.926329 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。