×
亚历杭德罗·圣地亚哥；伯纳贝多罗索罗；安东尼奥·内布罗。；Juan J.Durillo。；奥斯卡·卡斯蒂略；弗雷尔，赫克托·J。

一种新的基于模糊逻辑的算子自适应选择多目标进化算法：FAME。 （英语） Zbl 1441.90152号

信息科学。 471, 233-251 (2019).
摘要：我们提出了一种新的多目标优化方法，称为模糊自适应多目标进化算法（FAME）。它使用智能操作员控制器，动态选择最有希望的变化运算符，以应用于搜索的不同阶段。根据过去不同操作符的贡献，此选择由模糊逻辑引擎指导。FAME还包括一种具有多项式复杂性的新型有效密度估计器，称为空间扩展偏差（SSD）。我们的提案遵循稳定的选择方案，包括一个实现SSD的外部存档，以确定当SSD满时要删除的候选解决方案。为了评估我们提案的性能，我们将FAME与一些最先进的算法（MOEA/D-DE、SMEA、SMPSOhv、SMS-EMOA和BORG）在一组难题上进行了比较。结果表明，FAME的整体性能最好。

引用于2文件

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
90摄氏度70 模糊及其他非随机不确定性数学规划

关键词：

多目标优化；密度估计；进化算法；自适应算法；模糊逻辑

软件：

小型粒子群；SMS-EMOA公司；FAME公司；JCell公司；j金属；SPEA2公司；深渊；博格；MOEA/D公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Santiago}等人，《信息科学》。471233-251（2019年；Zbl 1441.90152）
全文： 内政部

参考文献：

[1] E.阿尔巴。；Dorronsoro，B.，细胞遗传算法（2008），Springer-Verlag·Zbl 1211.90006号
[2] Barraza，J。；梅林，P。；瓦尔迪兹，F。；González，C.，使用模糊逻辑自适应参数的Fireworks算法（FWA），混合智能系统的自然灵感设计，313-327（2017），Springer-Verlag
[3] 比姆，N。；Naujoks，B。；Emmerich，M.，SMS-EMOA:基于支配超体积的多目标选择，欧洲期刊Oper。研究，181，3，1653-1669（2007）·兹比尔1123.90064
[4] 博科维，B。；Brest，J.，《利用差异进化进行蛋白质折叠优化，并通过局部搜索和成分重新初始化进行扩展》，Inf.Sci。，454-455, 178-199 (2018)
[5] 查克拉波蒂，P。；达斯，S。；罗伊·G·G。；Abraham，A.，《关于多目标粒子群优化算法的收敛性》，《信息科学》。，181, 8, 1411-1425 (2011) ·Zbl 1222.90051号
[6] 科埃罗，C.A.C。；拉蒙特，G.B。；Veldhuizen，D.A.V.，解决多目标问题的进化算法（2006），Springer-Verlag
[7] Deb，K。；Karthik，S。；Okabe，T.，用于实际参数优化的自适应模拟二进制交叉，遗传和进化计算会议，1187-1194（2007），ACM
[8] 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 Trans。进化。计算。，6, 2, 182-197 (2002)
[9] Deb，K。；辛哈，A。；Kukkonen，S.，《多目标测试问题、联系和进化方法》。，遗传和进化计算会议，1141-1148（2006），ACM
[10] 多罗索罗，B。；Danoy，G。；Nebro，A.J。；Bouvry，P.，通过协同进化实现并行多目标进化算法的超线性性能，计算。操作。研究，40，6，1552-1563（2013）·Zbl 1348.90635号
[11] Durillo，J。；内布罗，A。；科埃罗，C。；加西亚·尼托，J。；Luna，F。；Alba，E.，解决参数可扩展问题时的多目标元启发式研究，IEEE Trans。进化。计算。，14, 4, 618-635 (2010)
[12] Durillo，J。；内布罗，A。；Luna，F。；Alba，E.，《关于多目标遗传算法中稳态选择方案的影响》，进化多准则优化，183-197（2009），Springer-Verlag
[13] 南卡罗来纳州加西亚。；莫利纳，D。；Lozano，M。；Herrera，F.，《关于使用非参数测试分析进化算法行为的研究：2005年CEC关于实参数优化的特别会议的案例研究》，J.Heuritics，15，6617-644（2008）·Zbl 1191.68828号
[14] 贾基奥齐斯，I。；马绍斯共和国。；Fleming，P.J.，广义分解，进化多准则优化国际会议，428-442（2013），Springer-Verlag
[15] 哈德卡，D。；Reed，P.，Borg：一种自适应多目标进化计算框架，Evol。计算。，21, 2, 231-259 (2013)
[16] 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，3601-3608（2007）
[17] 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，190-194（2009）
[18] 豪斯曼，J。；环，J。；弗鲁特，J。；索格，J。；Vereecken，H.，耦合贝叶斯和多标准水文地球物理反演的模型堤防水力特性，J.Hydrol。，380, 1, 62-73 (2010)
[19] 艾奥里奥，A.W。；Li，X.，使用差分进化解决旋转多目标优化问题，澳大利亚人工智能会议，861-872（2004）
[20] 李，H。；Zhang，Q.，复杂Pareto集的多目标优化问题，MOEA/D和NSGA-II，IEEE Trans。进化。计算。，2, 12, 284-302 (2009)
[21] 马特·L。；加尔卡，J。；Berlanga，A.公司。；Molina，J.M.，多目标优化进化算法的停止准则，信息科学。，367-368, 700-718 (2016) ·Zbl 1428.90184号
[22] 梅林，P。；Olivas，F。；O.卡斯蒂略。；瓦尔迪兹，F。；Soria，J。；Valdez，M.，使用PSO通过模糊逻辑进行动态参数自适应的模糊分类系统的优化设计，专家系统。申请。，40, 8, 3196-3206 (2013)
[23] 明，M。；Wang，R。；查，Y。；Zhang，T.，基于帕累托自适应罚函数的多目标优化边界交会法，信息科学。，414, 158-174 (2017) ·Zbl 1435.90158号
[24] 内布罗，A。；Durillo，J.，《关于在多目标遗传算法NSGA-II中应用稳态选择方案的效果》，自然激励优化算法，435-456（2009），Springer-Verlag
[25] 内布罗，A。；Durillo，J。；加西亚·尼托，J。；科埃罗，C。；露娜，F。；Alba，E.，SMPSO:一种新的基于PSO的多目标优化元启发式算法，多标准决策，66-73（2009）
[26] 内布罗，A。；Luna，F。；E.阿尔巴。；多罗索罗，B。；Durillo，J.J。；Beham，A.，AbYSS：将分散搜索应用于多目标优化，IEEE进化计算汇刊，12，4，439-457（2008）
[27] Nebro，A.J。；Durillo，J.J。；Coello，C.A.C.，《多目标粒子群优化器中领导者选择策略的分析》，进化计算大会，3153-3160（2013）
[28] Nebro，A.J。；Durillo，J.J。；Vergne，M.，重新设计jMetal多目标优化框架，遗传和进化计算会议，1093-1100（2015），ACM
[29] 努尔宾，S.F.H。；Alfi，A.，将模糊逻辑应用于网络控制系统的搜索组算法的自适应参数控制，软计算。，1-22 (2017)
[30] 奥乔亚，P。；O.卡斯蒂略。；Soria，J.，《使用模糊逻辑的差异进化以及与其他元启发式的比较研究》，《混合智能系统的自然启发设计》，257-268（2017），Springer-Verlag
[31] Olivas，F。；瓦尔迪兹，F。；Castillo，O.，通过模糊逻辑系统进行参数自适应的引力搜索算法，混合智能系统的自然启发设计，391-405（2017），Springer-Verlag
[32] Olivas，F。；瓦尔迪兹，F。；卡斯蒂略，O。；冈萨雷斯，C.I。；马丁内斯，G。；Melin，P.，基于区间2型模糊逻辑系统的动态参数自适应蚁群优化，应用软计算，53，74-87（2017）
[33] 佩拉扎，C。；瓦尔迪兹，F。；Castillo，O.，使用模糊逻辑优化数学函数的改进和谐搜索算法，基于模糊逻辑、神经网络和自然激励优化的智能系统设计，605-615（2015），Springer-Verlag
[34] 佩雷斯，J。；瓦尔迪兹，F。；Castillo，O.，用于动态参数自适应的带有模糊逻辑的新bat算法及其对模糊控制设计的适用性，《自然启发优化元启发式的模糊逻辑增强：理论与应用》，65-79（2015），Springer
[35] 齐，Y。；马，X。；刘，F。；Jiao，L。；Sun，J。；Wu，J.，具有自适应权重调整的MOEA/D，Evol。计算。，22, 2, 231-264 (2014)
[36] Reyes，M。；Coello，C.，使用拥挤、变异和ϵ优势改进基于PSO的多目标优化，进化多准则优化会议，509-519（2005），Springer-Verlag·Zbl 1109.68631号
[37] 罗伊，S。；Chakraborty，U.，《软计算简介：神经模糊和遗传算法》（2013），Dorling-Kindersley
[38] 圣地亚哥。；Fraire Huacuja，H.J。；Dorronsoro，B。；佩塞罗，J.E。；哥梅斯·桑提兰，C。；González Barbosa，J.J。；Soto Monterrubio，J.C.，《多目标优化分解方法综述》，《智能系统设计混合方法的最新进展》。智能系统设计混合方法的最新进展，计算智能研究，第547卷，453-465（2014），Springer-Verlag
[39] 托斯卡诺·普利多，G。；Coello Coello，C.，微观遗传算法2:进化多目标优化中的在线自适应，进化多准则优化。进化多准则优化，LNCS，卷2632（2003），Springer-Verlag·Zbl 1036.90548号
[40] 瓦尔迪兹，F。；梅林，P。；Castillo，O.，《利用模糊逻辑实现动态参数自适应的自然激励优化算法综述》，《应用专家系统》，41，14，6459-6466（2014）
[41] 弗鲁格特，J。；Robinson，B.，《从遗传适应性多方法搜索改进进化优化》，Proc。美国国家科学院，第104卷（2007）
[42] 而L。；布拉德斯特里特。；Barone，L.，《计算精确超体积的快速方法》，IEEE Trans。进化。计算。，16, 1, 86-95 (2012)
[43] Wöhling，T。；Vrugt，J.，《利用马尔可夫链蒙特卡罗模拟和现场持水数据进行多响应多层渗流区模型校准》，《水资源》。第47、4、1-19号决议（2011年）
[44] Yu，X。；Yu，X。；卢，Y。；Yen，G.G。；Cai，M.，约束多目标优化的差分进化变异算子，应用。软计算。，67, 452-466 (2018)
[45] 曾，F。；低，M。；Decraene，J。；周，S。；Cai，W.，多目标进化算法的自适应机制，国际人工智能与应用会议，7-12（2010）
[46] 张，H。；周，A。；Song，S。；张，Q。；高X.Z。；Zhang，J.，自组织多目标进化算法，IEEE Trans。进化。计算。，20, 5, 792-806 (2016)
[47] 张，Q。；Li，H.，MOEA/D:基于分解的多目标进化算法，IEEE Trans。进化。计算。，11, 6, 712-731 (2007)
[48] 周，A。；Jin，Y。；张，Q。；Sendhoff，B。；Tsang，E.，使用收敛准则结合基于模型和基于遗传的子代生成多目标优化，进化计算大会，3234-3241（2006），IEEE
[49] Zitzler，E。；Laumanns，M。；Thiele，L.，SPEA2：改进强度Pareto进化算法，技术报告（2001），ETH，瑞士
[50] Zitzler，E。；Thiele，L。；Laumanns，M。；丰塞卡，C.M。；da Fonseca，V.G.，《多目标优化器的性能评估：分析与评论》，IEEE Trans。进化。计算。，7, 2, 117-132 (2003)
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。