×

结构多目标优化的自适应惩罚差分进化算法。 (英语) Zbl 1429.90072号

概述:当问题表述中存在两个或多个相互冲突的目标时,现实世界的工程设计问题(如结构优化)可以被描述为多目标优化。差分进化(DE)算法是目前解决连续搜索空间中优化问题的最流行的元神经算法之一,由于其实现简单,在解决实际问题时效率高,在多目标优化中备受关注。最近的一篇论文表明,GDE3是一种著名的基于DE的算法,它在解决结构多目标优化问题时具有高效的性能。此外,还采用了一种称为APM的自适应惩罚技术来处理约束。然而,作者没有分别研究该技术和GDE3算法的贡献。因此,在这项工作中,将使用APM方案的GDE3获得的结果(此处表示为GDE3+APM)与原始GDE3得到的结果进行比较,以研究这种约束处理技术在这些问题中的优点和局限性。GDE3+APM的结果还与最常用的多目标元神经网络(即NSGA-II)进行了比较,以比较评估相对于文献中其他算法获得的解的质量。分析表明,GDE3+APM在解决本文所考虑的结构多目标优化问题时使用的大多数性能指标上都比GDE3和NSGA-II更有效,这表明GDE3+APM算法在这一领域很有前景,并且APM技术对其性能做出了相当大的贡献。

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
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Angelo JS、Bernardino HS、Barbosa HJC(2012)结构优化问题的多目标蚁群方法。摘自:第十一届国际计算结构技术会议论文集,第66页
[2] Angelo JS、Bernardino HS、Barbosa HJC(2015)《带基数约束的多目标结构优化问题的蚁群方法》。高级工程软件80:101-115·doi:10.1016/j.advengsoft.2014.09.015
[3] Barbosa HJC,Lemonge ACC(2002)约束优化问题遗传算法中的自适应惩罚方案。摘自:GECCO’02遗传和进化计算会议论文集,纽约,第287-294页
[4] Barbosa HJC,Lemonge ACC(2003a)稳态遗传算法的自适应惩罚方案。收录于:2003年遗传和进化计算国际会议论文集:parti GECCO’03,pp 718-729·兹比尔1028.68672
[5] Barbosa HJC,Lemonge ACC(2003b)遗传算法的一种新的自适应惩罚方案。信息科学156(3-4):215-251·doi:10.1016/S0020-0255(03)00177-4
[6] Barbosa HJC、Lemonge ACC、Borges CCH(2008)结构优化中基数约束和自动变量链接的遗传算法编码。工程结构30(12):3708-3723·doi:10.1016/j.engstruct.2008.06.014
[7] Barbosa HJC、Bernardino HS、Barreto AMS(2010)使用性能曲线分析2006年CEC约束优化竞赛的结果。2010年IEEE计算智能世界大会—WCCI,第1-8页
[8] Barbosa HJC、Bernardino HS、Angelo JS(2015)《用于多目标结构优化的无导数技术:综述》。计算机技术版次12:27-52。https://doi.org/10.4203/ctr.12.2 ·doi:10.4203/ctr.12.2
[9] 卡瓦略ECR、卡瓦略JPG、Bernardino H、Hallak PH、Lemonge ACC(2016)约束优化问题中粒子群的自适应约束处理技术。In:CIATEC-UPF,第8页
[10] Coello CAC,Lamont GB,Veldhuizen DAV(2007)解决多目标问题的进化算法(遗传和进化计算),第2版。柏林施普林格·Zbl 1142.90029号
[11] Deb K,Pratap A,Agarwal S,Meyarivan T(2002)一种快速的精英多目标遗传算法:NSGA-II。IEEE Trans-Evol计算2(6):182-197·数字对象标识代码:10.1109/4235.996017
[12] Dolan ED,More J(2002)《性能曲线基准优化软件》。数学课程91:201-2013·邮编:1049.90004 ·doi:10.1007/s101070100263
[13] Gellatly RA,Berke L(1971)《优化结构设计》。DTIC文档技术代表
[14] 龚伟,蔡中,朱力(2009)一种有效的工程设计多目标差分进化算法。结构多学科优化38(2):137-157·doi:10.1007/s00158-008-0269-9
[15] Hasançebi O(2008)结构优化中的自适应进化策略:通过应用于大型结构来提高其计算性能。计算结构86(1):119-132·doi:10.1016/j.compstruc.2007.05.012
[16] Kukkonen S,Lampinen J(2005)GDE3:广义差分进化的第三个进化步骤。摘自:IEEE进化计算大会(CEC 2005),IEEE,第443-450页
[17] Lemonge ACC、Barbosa HJC、Bernardino HS(2015)工程优化中稳态遗传算法的自适应惩罚方案变体。工程计算。https://doi.org/10.1108/EC-07-2014-0158
[18] Patnaik SN,Hopkins DA,Coroneos R(1996)具有近似灵敏度的结构优化。计算结构58(2):407-418·Zbl 0900.73504号 ·doi:10.1016/0045-7949(95)00123-X
[19] Pholdee N,Burierat S(2013),桁架多目标设计中基于实际代码的群体增量学习和差异进化的混合。Inf Sci科学杂志223:136-152·doi:10.1016/j.ins.2012.10.008
[20] Rajeev S,Krishnamoorthy CS(1992),使用遗传算法的结构离散优化。ASCE结构工程杂志118(5):1233-1250。https://doi.org/10.1061/(ASCE)0733-9445(1992)118:5(1233)·doi:10.1061/(ASCE)0733-9445(1992)118:5(1233)
[21] Sierra MR,Coello CAC(2005)使用拥挤、变异和ε优势改进基于PSO的多目标优化。纳入:EMO 2005。柏林施普林格,第505-519页·Zbl 1109.68631号
[22] Silva EK、Barbosa HJC、Lemonge ACC(2011)《工程优化中变量动态使用的差分进化自适应约束处理技术》。优化工程12(1-2):31-54·Zbl 1272.90124
[23] Silva EK,Augusto DA,Barbosa HJC(2013)改进的替代模型辅助了具有填充标准的差分进化。摘自:第十届世界结构和多学科优化大会论文集。http://www2.mae.ufl.edu/mdo/Papers/5576.pdf。2015年11月5日查阅。
[24] Storn R,Price K(1995)差分进化——一种简单有效的连续空间全局优化自适应方案。技术代表95-012。加利福尼亚大学伯克利分校·Zbl 0888.90135号
[25] Storn R,Price K(1997)差分进化——一种简单有效的连续空间全局优化自适应方案。全球优化杂志11(4):341-359·Zbl 0888.90135号 ·doi:10.1023/A:1008202821328
[26] Vargas DEC、Lemonge ACC、Barbosa HJC、Bernardino HS(2016)基于差分进化的带约束结构多目标优化问题算法(葡萄牙语)。Rev Int Métodos Num Cálc Diseño Ing 32(2):91-99
[27] Venkaya V(1971)最佳结构设计。计算结构1(1):265-309·doi:10.1016/0045-7949(71)90013-7
[28] 薛峰,桑德森A,格雷夫斯R(2003)基于帕累托的多目标差分进化。程序整合进化计算(CEC)2:862-869
[29] Zavala GR、Nebro AJ、Luna F、Coello CAC(2014)《应用于结构优化的多目标元启发式调查》。结构多盘优化49(4):537-558·文件编号:10.1007/s00158-013-0996-4
[30] 曾F,低MYH,Decraene J,Zhou S,Cai W(2010)多目标进化算法的自适应机制。摘自:2010年国际工程师和计算机科学家多方会议记录,第1卷
[31] Zitzler E,Thiele L(1999)多目标进化算法:比较案例研究和强度Pareto方法。IEEE Trans-Evol计算3(4):257-271·doi:10.1109/4235.797969
[32] Zitzler E、Thiele L、Laumanns M、Fonseca CM、Fonsica VG(2003)《多目标优化器的性能评估:分析与评论》。IEEE Trans-Evol计算7(2):117-132·doi:10.1109/TEVC.2003.810758
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。