×

一种求解多目标优化问题的基于模拟退火的改进差分进化算法。 (英语) Zbl 1442.90175号

摘要:针对多目标优化问题,提出了一种基于改进差分进化的多目标差分进化模拟退火算法(MODESA)。该算法利用模拟退火的优点引导算法探索搜索空间的更多区域,以更好地收敛到真正的帕累托最优前沿。在所提出的模拟退火方法中,提出了一种新的基于支配的接受概率计算函数,并为一些潜在的解决方案分配了一个生命周期,以便优先选择进入下一代的解决方案。此外,它还结合了一种有效的多样性维护方法,用于修剪获得的非支配解以获得良好的分布式Pareto前沿。在一组五个双目标和两个三目标优化问题上研究了该算法的可行性,并将结果与其他三个算法进行了比较。实验结果表明了该算法的有效性。

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
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Knowles,J.D。;Corne,D.W.,《使用帕累托存档进化策略逼近非支配锋面》,进化计算,8,2,149-172(2000)
[2] Deb,K。;普拉塔普,A。;阿加瓦尔,S。;Meyarivan,T.,一种快速且精英的多目标遗传算法:NSGA-II,IEEE进化计算汇刊,6,2182-197(2002)·数字对象标识代码:10.1109/4235.996017
[3] Zitzler,E。;Laumanns,M。;Thiele,L.,SPEA2:改进强度帕累托进化算法(2003),瑞士洛桑:瑞士洛桑瑞士联邦理工学院
[4] 张,Q。;Li,H.,MOEA/D:基于分解的多目标进化算法,IEEE进化计算汇刊,11,6,712-731(2007)·doi:10.1109/TEVC.2007.892759
[5] Coello Coello,C.A.,基于遗传算法的多目标优化技术的最新调查,ACM计算调查,32,2,109-143(2000)
[6] 科埃洛·科埃洛,C.A。;van Veldhuizen,D.A。;Lamont,G.B.,解决多目标问题的进化算法,xxii+800(2007),美国纽约州纽约市:斯普林格,纽约州纽约市,美国·Zbl 1142.90029号
[7] 周,A。;Qu,B.-Y。;李,H。;赵少中。;Suganthan,P.N。;Zhang d,Q.,《多目标进化算法:最新技术综述》,《Swarm和进化计算》,1,1,32-49(2011)·doi:10.1016/j.swevo.2011.03.001
[8] 斯托恩,R。;Price,K.,差分进化——一种简单有效的连续空间全局优化自适应方案,TR-95-012(1995),美国加州伯克利
[9] 斯托恩,R。;Price,K.,差分进化——连续空间上全局优化的一种简单有效的启发式算法,《全局优化杂志》,11,4,341-359(1997)·Zbl 0888.90135号 ·doi:10.1023/A:1008202821328
[10] Price,K.V.,《差分进化与第二届ICEO的功能》,IEEE进化计算国际会议论文集(ICEC’97)
[11] 阿巴斯,H.A。;Sarker,R。;Newton,C.,PDE:多目标优化问题的Pareto-frontier差分进化方法,IEEE进化计算大会论文集(CEC'01)
[12] Abbass,H.A.,自适应Pareto差分进化算法,IEEE进化计算大会论文集
[13] Madavan,N.K.,使用Pareto微分进化方法的多目标优化,进化计算会议记录
[14] 薛凤。;桑德森,A.C。;Graves,R.J.,《多目标差分进化及其在企业规划中的应用》,IEEE机器人与自动化国际会议论文集
[15] 帕索普洛斯,K.E。;Tasoulis,D.K。;帕夫利迪斯,N.G。;普拉吉亚科斯,V.P。;Vrahatis,M.N.,多目标优化的向量评估差分进化,进化计算大会会议记录(CEC'04)
[16] 库科宁,S。;Lampinen,J.,带约束多目标优化的广义差分进化的推广,自然并行问题求解(PPSN2004),752-761(2004)
[17] 库科宁,S。;Lampinen,J.,GDE3:广义微分进化的第三个进化步骤,IEEE进化计算大会论文集(CEC'05)
[18] 埃尔南德斯·迪亚斯(A.G.Hernández-Díaz)。;Santana Quintero有限公司。;科埃罗,C。;卡巴列罗,R。;Molina,J.,《利用差分进化和粗糙集理论进行多目标优化的新建议》,第八届遗传和进化计算年会论文集
[19] Wang,Y.-N。;吴丽华。;Yuan,X.-F.,具有精英存档和基于拥挤熵的多样性测度的多目标自适应差分进化,软计算,14,3,193-209(2010)·doi:10.1007/s00500-008-0394-9
[20] 黄,V.L。;秦A.K。;Suganthan,P.N。;Tasgetiren,M.F.,基于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'07)·doi:10.1109/CEC.2007.4424939
[21] 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
[22] 阿里,M。;裤子,M。;Abraham,A.,一种改进的差分进化算法及其在工程问题中的应用,《软计算和模式识别国际会议论文集》(SoCPaR’09)·doi:10.1109/SoCPaR.2009.48
[23] 阿里,M。;Siarry,P。;Pant,M.,《解决多目标优化问题的基于差分进化的高效算法》,《欧洲运筹学杂志》,217,2,404-416(2012)·Zbl 1244.90203号 ·doi:10.1016/j.ejor.2011.09.025
[24] Tizhoosh,H.R.,《基于对立的学习:机器智能的新方案》,《建模控制和自动化计算智能国际会议论文集》(CIMCA’05)
[25] 柯克帕特里克,S。;凯拉特,C.D。;Vecchi,M.P.,《模拟退火优化》,《科学》,220,4598,671-680(1983)·Zbl 1225.90162号 ·doi:10.1126/science.220.4598.671
[26] Geman,S。;Geman,D.,随机松弛、吉布斯分布和图像的贝叶斯恢复,IEEE模式分析和机器智能汇刊,6,6,721-741(1984)·兹比尔0573.62030
[27] 苏曼,B。;Kumar,P.,《模拟退火作为单目标和多目标优化工具的调查》,运筹学学会杂志,57,10,1143-1160(2006)·Zbl 1121.90065号 ·doi:10.1057/palgrave.jors.2602068
[28] Bandyopadhyay,S。;萨哈,S。;Maulik,美国。;Deb,K.,一种基于模拟退火的多目标优化算法:AMOSA,IEEE Transactions on Evolutionary Computation,12,3,269-283(2008)·doi:10.1109/TEVC.2007.900837
[29] Miettinen,K.,非线性多目标优化,xxii+298(1999),Kluwer学术出版社·Zbl 0949.90082号
[30] 库科宁,S。;Deb,K.,《一种快速有效的多目标问题非支配解剪枝方法》,《Nature-PPSN IX中的并行问题解决》,《自然-PPSNⅨ中的平行问题解决》计算机科学讲义,4193,553-562(2006)
[31] 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)
[32] Deb,K.,《使用进化算法的多目标优化》,xx+497(2001),英国奇切斯特:John Wiley&Sons,英国奇彻斯特·Zbl 0970.90091号
[33] 李,H。;Zhang,Q.,复杂pareto集的多目标优化问题,MOEA/D和NSGA-II,IEEE进化计算汇刊,13,2,284-302(2009)·doi:10.1010/TEVC.2008.925798
[34] 科埃罗,C.A.C。;北卡罗来纳州科尔特斯,使用人工免疫系统解决多目标优化问题,遗传编程和进化机器,6,2,163-190(2005)·数字对象标识代码:10.1007/s10710-005-6164-x
[35] van Veldhuizen,D.A。;Lamont,G.B.,《多目标进化算法研究:历史与分析》,TR-98-03(1998),美国俄亥俄州莱特帕特森:美国俄亥俄州赖特帕特森空军技术学院工程研究生院电气与计算机工程系
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。