×
白、惠;郑金华;于、郭;杨胜祥;朱安·邹

一种基于Pareto的多目标进化算法，使用空间划分选择和基于角度的截断。 （英文） Zbl 1443.90307号

信息科学。 478, 186-207 (2019).
摘要：进化算法（EA）在处理多目标优化问题（MaOP）方面表现出了高效性，因为它们能够获得一组折衷解，这些解不仅收敛于Pareto前沿（PF），而且分布良好。基于Pareto的多目标进化算法对于求解具有两个和三个目标的优化问题是有效的。然而，当他们遇到许多客观问题时，由于基于帕累托优势关系的选择压力减弱，他们会失去效力。我们的主要目的是开发更有效的多样性维护机制，以增强基于Pareto的多目标进化算法。在本文中，我们提出了一种基于Pareto的多目标进化算法，该算法使用空间划分选择和基于角度的截断，简称为SPSAT。空间分割选择在增加选择压力的同时保持多样性，这是通过首先将归一化目标空间划分为多个子空间，然后在每个子空间中只选择一个具有最佳邻近估计值的个体来实现的。为了进一步增强收敛性和多样性，基于角度的截断计算关键层中任意一对个体的角度值，然后逐渐删除角度值最小的个体。通过对一系列定义明确的优化问题（最多20个目标）与六种最新算法的对比实验结果表明，该算法在解决多目标优化问题方面具有竞争力。

引用于4文件

MSC公司：

90C29型 多目标规划
68瓦50 进化算法、遗传算法（计算方面）
90 C59 数学规划中的近似方法和启发式

关键词：

进化多目标优化;多目标优化;帕累托最优;空间划分;基于角度的截断

软件：

MOEA/D公司;SPEA2公司;炒作;表情符号
PDF格式BibTeX公司 XML格式引用
\textit{H.Bai}等人，《信息科学》。478186-207（2019年；兹bl 1443.90307）
全文： 内政部 链接

参考文献：

[1] 阿德拉，S.F。；Fleming，P.J.，进化多目标优化的多样性管理操作员，进化多标准优化，81-94（2009），施普林格：施普林格-南特，法国
[2] 阿吉雷，H.E。；Tanaka，K.，《基于自适应排序和替代距离分配的空间划分：多目标MNK-景观的比较研究》，遗传与进化计算会议，第547-554号（2009），ACM出版社：加拿大蒙特利尔ACM出版社
[3] Al-Moubayed，北卡罗来纳州。；彼得罗夫斯基，A。；Mccall，J.，（d^2 mopso）：基于分解和优势的mopso，使用目标和解决方案空间中的拥挤距离进行归档，Evol。计算。，22, 1, 47-77 (2014)
[4] Bader，J。；Deb，K。；Zitzler，E.，使用蒙特卡罗抽样进行快速超卷搜索，《可持续能源和运输系统的多标准决策》，634313-326（2008），施普林格：新西兰施普林格奥克兰·Zbl 1184.90147号
[5] Bader，J。；Zitzler，E.，HypE：基于快速超体积的多目标优化算法，Evol。计算。，19, 1, 45-76 (2011)
[6] 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）·Zbl 1123.90064号
[7] 博斯曼，P.A。；ThierensIGD，D.，《多目标进化算法中接近性和多样性之间的平衡》，IEEE Trans。进化。计算。，7, 2, 174-188 (2003)
[8] Cheng，R。；李，M。；田，Y。；张，X。；Yang，S。；和Xin Yao，Y.J.，《进化论任意目标优化的基准测试套件》，《复杂智能》。系统。，3, 1, 67-81 (2017)
[9] 科埃洛·科埃洛，C.A。；Lamont，G.B.，《多目标进化算法的应用》（2004），世界科学出版社：世界科学出版社新加坡·Zbl 1087.68121号
[10] 科恩·D·W。；Jerram，N.R。；Knowles，法学博士。；Oates，M.J.，PESA-II:进化多目标优化中的基于区域的选择，《遗传和进化计算会议论文集》，283-290（2001），Morgan Kaufmann:Morgan Koufmann San Francisco，California
[11] Deb，K.，《使用进化算法的多目标优化》，Wiley-Interscience Series in Systems and Optimization（2001），John Wiley&Sons:John Wiley&Sons Chichester，纽约·Zbl 0970.90091号
[12] Deb，K。；Agrawal，R.B.，连续搜索空间的模拟二进制交叉，复杂系统。，9, 2, 115-148 (1994) ·Zbl 0843.68023号
[13] Deb，K。；Jain，H.，一种使用基于参考点的非支配排序方法的进化多目标优化算法，第一部分：带方框约束的问题求解，IEEE Trans。进化。计算。(2013)
[14] Deb，K。；Kumar，A.，《模拟二进制交叉的实数编码遗传算法：多模式和多目标问题研究》，复杂系统。，9，6341-454（1995年）
[15] Deb，K。；莫汉，M。；Mishra，S.，评估基于支配的多目标进化算法以快速计算帕累托最优解，Evol。计算。，2005年4月13日，第501-525页
[16] 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)
[17] Deb，K。；Thiele，L。；Laumanns，M。；Zitzler，E.，进化多目标优化的可扩展测试问题，进化多目的优化，高级信息和知识处理，105-145（2005），Springer·Zbl 1078.90567号
[18] 法布尔，M.G。；Pulido，G.T。；Coello，C.A.C.，《多目标优化问题的替代适应度分配方法》，人工进化国际会议，146-157（2010），施普林格-弗拉格：柏林施普林格，海德堡
[19] 法里纳，M。；Amato，P.，《关于多准则优化问题的最优解定义》，《NAFIPS-FLINT国际会议论文集》，233-238（2002），IEEE服务中心
[20] Garza-Fabre，M。；Pulido，G.T。；Coello，C.A.C.，《多目标优化的排序方法》，《人工智能进展》，633-645（2009）
[21] Wang，H。；Jiao，L。；Yao，X.，Two_arch2:用于多目标优化的改进双存档算法，IEEE Trans。进化。计算。，19, 4 (2015)
[22] 何，Z。；Yen，G.G。；Zhang，J.，多目标进化算法的基于模糊的Pareto最优性，IEEE Trans。进化。计算。(2013)
[23] Huband，S。；辛斯顿，P。；巴龙，L。；然而，L.，《多目标测试问题综述和可扩展测试问题工具包》，IEEE Trans。进化。计算。，10, 5, 477-506 (2006)
[24] Hughes，E.J.，多单目标Pareto抽样，IEEE进化计算大会，第4卷，2678-2684（2003），IEEE:IEEE堪培拉，澳大利亚
[25] Ishibuchi，H。；Doi，T。；Nojima，Y.，将尺度化适应度函数纳入进化多目标优化算法，《自然的并行问题解决》，493-502（2006），Springer
[26] Ishibuchi，H。；Setoguchi，Y。；Masuda，H。；Nojima，Y.，基于分解的多目标算法的性能强烈依赖于Pareto前沿形状，IEEE Trans。进化。计算。，21, 2, 169-190 (2016)
[27] Ishibuchi，H。；北津本。；Nojima，Y.，《进化多目标优化：简短回顾》，IEEE进化计算大会，2424-2431（2008）
[28] Jaimes，A.L。；阿吉雷，H。；田中，K。；Coello，C.A.C.，《使用冲突信息进行多目标优化的目标空间划分》，《自然中的并行问题解决》，PPSN XI，第6238卷，657-666（2010）
[29] 江，S。；Yang，S.，基于参考方向的多目标多目标优化强度帕累托进化算法，IEEE Trans。进化。计算。(2016)
[30] 张，Q。；李凯。；Deb，K。；Kwong，S.，基于优势和分解的进化多目标优化算法，IEEE Trans。进化。计算。，19, 5 (2015)
[31] 张，Q。；李凯。；Deb，K。；张强，稳态演化多目标优化的有效非支配水平更新方法，IEEE Trans。赛博。，472838-2849（2016）
[32] Knowles，J。；Corne，D.，M-PAES:一种用于多目标优化的模因算法，IEEE进化计算大会，第1卷，325-332（2000），IEEE服务中心：新泽西州皮斯卡塔韦IEEE服务中
[33] 李，B。；李，J。；Tang，K。；Yao，X.，《多目标进化算法：调查》，ACM Compute。调查。，48，1，1-35（2015）
[34] 李凯。；Deb，K。；张，Q。；张强，稳态演化多目标优化的有效非支配水平更新方法，IEEE Trans。赛博。，47, 9, 2838-2849 (2017)
[35] 李，M。；Yang，S。；Liu，X.，多目标优化中基于帕累托算法的基于移位的密度估计，IEEE Trans。进化。计算。(2013)
[36] 李，M。；Yang，S。；Liu，X.，多目标优化问题的双目标进化，Artif。智力。，228, 45-65 (2015) ·Zbl 1346.90741号
[37] Li，S.Y。；Liu，X.，Pareto或非Pareto：多目标优化中的双标准进化，IEEE Trans。进化。计算。(2015)
[38] 科彭，M。；劳尔，V.-G。；Nickolay，B.，Fuzzy-Pareto-dominance及其在进化多目标优化中的应用，进化多准则优化（2005）·Zbl 1109.68617号
[39] 李，M。；Zhen，L。；Yao，Y.，《如何在平行坐标中读取多个目标解集》，IEEE计算。智力。Mag.，12，4，88-100（2017）
[40] 佩雷拉，A。；Munda，G。；Paruccini，M.，《使用遗传算法和多准则决策技术生成零售和服务设施选址备选方案》，J.retail。消费。服务。（1994年）
[41] 马绍斯共和国。；Fleming，P.J.，《关于许多冲突目标的进化优化》，IEEE Trans。进化。计算。，11, 6, 770-784 (2007)
[42] Ran Cheng，M.O。；Sendhoff，B.，用于多目标优化的参考向量引导进化算法，Trans。进化。计算。，20, 5 (2016)
[43] 佐藤，H。；阿吉雷，H.E。；Tanaka，K.，控制解决方案的优势区域及其对MOEA性能的影响，进化多准则优化，5-20（2007），Springer
[44] Tan，K。；Li，Y.，基于多目标遗传算法的线性控制系统时域和频域设计统一，Proc。Artif公司。智力。雷亚尔（1997）
[45] Veldhuizen，D.A.V。；Lamont，G.B.，《进化计算与帕累托前沿收敛》，《1998年遗传编程会议上的最新论文》，221-228（1998），斯坦福大学书店：美国威斯康星州麦迪逊市威斯康星大学斯坦福大学书店
[46] Yang，S。；李，M。；刘，X。；Zheng，J.，用于多目标优化的基于网格的进化算法，IEEE Trans。进化。计算。，17, 5, 721-736 (2013)
[47] Yi Xiang，M.L。；Chen，Z.，一种基于矢量角的无约束多目标优化进化算法，IEEE Trans。进化。计算。(2016)
[48] 张，Q。；Li，H.，MOEA/D:一种基于分解的多目标进化算法，IEEE Trans。进化。计算。，11, 6, 712-731 (2007)
[49] 张，X。；田，Y。；Jin，Y.，用于多目标优化的膝点驱动进化算法，IEEE Trans。进化。计算。，19761-776年6月19日（2015年）
[50] 郑洁。；Bai，H。；沈，R。；Li，M.，OTL用于多目标优化的比较研究，遗传与进化计算会议（2015），ACM:ACM马德里，西班牙
[51] Zitzler，E。；Künzli，S.，多目标搜索中基于指标的选择，《自然》中的并行问题解决，832-842（2004），Springer
[52] Zitzler，E。；Laumanns，M。；Thiele，L.，SPEA2：改进多目标优化的强度Pareto进化算法，设计、优化和控制的进化方法，95-100（2002），CIMNE，西班牙巴塞罗那
[53] Zitzler，E。；Thiele，L.，《多目标进化算法：比较案例研究和强度帕累托方法》，IEEE Trans。进化。计算。，3, 4, 257-271 (1999)
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。