×
朱安·邹;傅刘伟;杨胜祥;郑金华;阮，甘;裴廷瑞;王磊

一种基于自适应参考点的多目标进化算法。 （英语） Zbl 1451.90148号

信息科学。 488, 41-57 (2019).
摘要：众所周知，保持收敛性和多样性之间的良好平衡对多目标优化算法（MOEA）的性能至关重要。然而，多目标优化问题（MOP）的Pareto前沿（PF）影响了MOEA的性能，尤其是基于参考点的MOEA。本文根据群体的候选解，提出了一种基于参考点的自适应方法来研究MOP的PF。此外，提出的比例和角度函数在环境选择中选择精英。与五种最新的MOEA相比，该算法在具有六个复杂特征的MOP上表现出很强的竞争性。

引用于三文件

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

关键词：

多目标优化;多目标优化;进化算法;遗传算法

软件：

NBI公司;MOEA/D公司;SPEA2公司;HypE公司;开放式GA;SMS-EMOA公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Zou}等人，《信息科学》。488、41-57（2019年；Zbl 1451.90148）
全文： 内政部 链接

参考文献：

[1] Slflow，A。；Drechsler，N。；Drechsler，R.，高维空间中的鲁棒多目标优化，进化多准则优化，2007年国际会议，Emo 2007，日本松岛，2007年3月5日至8日，论文集，715C726（2007）
[2] Mohammadi，A。；阿萨迪，H。；穆罕默德，S。；纳尔逊，K。；Nahavandi，S.，OpenGA，一个c++遗传算法库，2017 IEEE Int.Conf.Syst。人，控制论，0，0，2051-2056（2017）
[3] 阿尔塞迪；Abdullah，《基于惩罚的单目标优化多目标方法》，《信息科学》，442-443，1-17（2018）·Zbl 1450.90047号
[4] Auger，A。；Bader，J。；布罗克霍夫，D。；Zitzler，E.，超体积指示剂理论：最优分布和参考点的选择，FOGA 09:第十届ACM SIGEVO遗传算法基础研讨会论文集，87C102（2009）·Zbl 1369.68293号
[5] A.LOpez，C.A.C.Coello，A.Oyama，K.Fujii，处理多目标优化问题的替代偏好关系，2013，7811:291C306。；A.LOpez，C.A.C.Coello，A.Oyama，K.Fujii，处理多目标优化问题的替代偏好关系，2013，7811:291C306。
[6] Bai，Y。；齐，Z。；W.志海。；Andrew，Z.J.，多目标稀疏重建的基于自适应分解的进化方法，信息科学。，462, 141-159 (2018) ·Zbl 1440.94019号
[7] 李，B。；Li，J.等人。；Tang，K。；Yao，X.，《许多客观进化算法：一项调查》，ACM Comput。调查。，48, 1, 13 (2015)
[8] Cheraghchi，F。；阿布哈奥尔，I。；Falcon，R。；Abielmona，R。；拉希米，B。；Petriu，E.，使用进化多目标优化对基于速度的船舶调度恢复问题建模，Inf.Sci。(2018)
[9] Chong，Z。；光明，D。；崔军，Z。；香萍。；Ke，M.，基于熵的进化算法，用于多目标优化问题的自适应参考点，信息科学。(2018) ·Zbl 1441.90154号
[10] 伊格尔，C。；Hansen，N。；Roth，S.，《多目标优化的协方差矩阵自适应》（2007），麻省理工学院出版社
[11] 科恩·D·W。；Knowles，J.D.，《高度多目标优化技术：某些非支配点优于其他点》，遗传与进化计算会议，773C780（2007）
[12] 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、257C271（1999）
[13] Zitzler，E。；Knzli，S.，多目标搜索中基于指标的选择，自然并行问题解决国际会议，832C842（2004）
[14] Zitzler，E。；Deb，K。；Thiele，L.，多目标进化算法的比较：经验结果，Evol Comput。，8173C195（2000）
[15] 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及其在工业问题中的应用》，《2001年欧洲学报》。雅典。希腊（2001）
[16] 顾，F。；Liu，H.L。；Kay Chen，T.，使用动态权重设计方法的多目标进化算法，Int.J.Innov。计算。信息控制Ijicic，8，5，3677C3688（2011）
[17] Wilcoxon，F.，《通过排名方法进行个人比较》，《生物计量学公告》。，1、6、80C83（1945年）
[18] Gema，B.O。；Sancho，S.S。；David，C.，基于边缘编码的重叠社区检测多目标遗传算法，Inf.Sci。，462, 290-314 (2018)
[19] 郭自忠，F。；严锋，L。；Ye，T.，一种基于交互偏好的多准则满足优化进化算法，J.Int.Fuzzy Syst。，34, 4, 2503-2511 (2018)
[20] Liu，H.L。；顾，F。；Zhang，Q.，将多目标优化问题分解为若干简单的多目标子问题，IEEE Trans。进化。计算。，18、3、450C455（2014）
[21] 哈利姆，Z。；Baig，A.R。；Zafar，K.，创建新的两层棋类游戏规则空间中的进化搜索[j]，国际期刊Artif。智力。工具，23，02，1350028（2014）
[22] 哈利姆，Z。；Muhammad，T.，量化和优化可视化：一种基于进化计算的方法[j]，信息科学。，385284C313（2017）
[23] 哈利姆，Z。；Uzma，使用进化策略优化基于最小生成树的提取集群[j]，集群计算。(2017)
[24] 哈利姆，Z。；瓦卡斯，M。；Hussain，S.F.，使用多种群进化算法聚类大型概率图[j]，Inf.Sci。，317, 78-95 (2015)
[25] Hancer，E。；薛，B。；张，M。；卡拉博加，D。；Akay，B.，基于人工蜂群优化的Pareto前端特征选择，信息科学。(2017)
[26] 达斯，I。；Dennis，J.E.，《正边界交集：非线性多准则优化问题中生成pareto曲面的新方法》，SIAM J.Optim。，8，631C657（1998年）·Zbl 0911.90287号
[27] 简·H。；Kalyanmoy，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，第二部分：处理约束并扩展到自适应方法，IEEE Trans。进化。计算。，18, 4, 602-622 (2014)
[28] 加西亚，J。；A.贝兰加。；Lpez，J.M.M.，《实现多种规格的有效进化算法：在空中交通管制跟踪滤波器中的应用》。IEEE传输。进化。计算。，13151C168（2009）
[29] Bader，J。；Zitzler，E.，Hype:基于快速超卷的多目标优化算法（2011），麻省理工学院出版社
[30] 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1部分：用方框约束解决问题，IEEE Trans。进化。计算。，18、4、577C601（2014）
[31] 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。，6182C197（2002）
[32] K.Deb，L.Thiele，M.Laumanns，E.Zitzler，进化多目标优化的可扩展测试问题，2005年。；K.Deb，L.Thiele，M.Laumanns，E.Zitzler，进化多目标优化的可扩展测试问题，2005年·兹比尔1078.90567
[33] K.Bringmann，T.Friedrich，计算超级卷贡献时不要贪婪，2009，103C112。；K.Bringmann，T.Friedrich，计算超级卷贡献时不要贪婪，2009103C112·Zbl 1369.68299号
[34] 李凯。；Deb，K。；张，Q。；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、694C716（2015）
[35] B.Khan。；哈农，S。；约翰斯通，M。；Lim，C.P。；克雷顿，D。；Nahavandi，S.，用于多目标优化的基于尺度化的优势进化算法，Inf.Sci。(2018)
[36] 池田，K。；基塔，H。；Kobayashi，S.，基于帕累托模型的失败：非支配真的意味着接近最优吗？进化计算，2001年，《2001年国会会议记录》，2957C962（2001）
[37] 李，B。；Li，J.等人。；Tang，K.，《多目标进化算法：调查》，ACM计算。调查。，48, 1, 1-35 (2015)
[38] Fu，L。；邹，J。；Yang，S。；甘·R。；Ma，Z。；Zheng，J.，《基于比例的多目标优化选择方案》（2017）
[39] 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、186C95（2012）
[40] 法里纳，M。；Amato，P.，多准则优化问题最优性的模糊定义，IEEE Trans。系统。人类网络。，34、3、315C326（2004）
[41] 莫汉，M。；莫汉，M。；Mishra，S.，评估epsi-《基于支配的多目标进化算法快速计算帕累托最优解》（2005），麻省理工学院出版社
[42] M.Laumanns，L.Thiele，K.Deb，E.Zitzler，在进化多目标优化中结合收敛性和多样性，2002，263 C 282。；M.Laumanns，L.Thiele，K.Deb，E.Zitzler，在进化多目标优化中结合收敛性和多样性，2002，263 C 282。
[43] 李，M。；Yang，S。；Liu，X.，Pareto or non-areto：多目标优化中的双标准进化，IEEE模糊系统国际会议，1319C1322（2001）
[44] 李，M。；Yang，S。；Liu，X.，多目标优化中基于对的算法的基于移位的密度估计，IEEE Trans。进化。计算。，18、3、348C365（2014）
[45] 比姆，N。；Naujoks，B。；Emmerich，M.，Sms-emoa:基于支配超体积的多目标选择，Eur.J.Oper。Res.，181，3，1653C1669（2007）·兹比尔1123.90064
[46] Drechsler，N。；Drechsler，R。；Becker，B.，基于关系偏好的多目标优化，Lect。注释计算。科学。，1993年、1993年、154C166（2001）
[47] 潘，A。；Wang，L。；郭，W。；Wu，Q.，多样性增强的多目标粒子群优化，信息科学。(2018)
[48] 弗莱明，P.J。；马绍斯共和国。；Lygoe，R.J.，《多目标优化：工程设计视角》，进化多准则国际会议，14C32（2005）·Zbl 1109.68596号
[49] 张，Q。；Li，H.，MOEA/D:基于分解的多目标进化算法（2007），IEEE出版社
[50] 马绍斯共和国。；Fleming，P.J.，《进化多目标优化：探索性分析》，进化计算，2003年。CEC03.2003年大会，2066C2073第3卷（2003）
[51] Cheng，R。；Jin，Y。；奥尔霍弗，M。；Sendhoff，B.，用于多目标优化的参考向量引导进化算法，IEEE Trans。进化。计算。，20,5773C791（2016）
[52] Huband，S。；辛斯顿，P。；巴龙，L。；While，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、477C506（2006）
[53] Sengupta，R。；Saha，S.，基于参考点的存档多目标模拟退火，Inf.Sci。(2018) ·Zbl 1443.90309号
[54] 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、721C736（2013）
[55] 江，S。；Yang，S.，基于参考方向的多目标和多目标优化强度帕累托进化算法，IEEE Trans。进化。计算。，21、3、329C346（2017）
[56] Murata，T。；Ishibuchi，H。；Gen，M.，细胞多目标遗传算法中的遗传搜索方向规范（2001），施普林格：施普林格-柏林-海德堡
[57] 田，Y。；Cheng，R。；Zhang，X.，一种基于指标的多目标进化算法，具有更好的通用性，IEEE Trans。进化。计算。，PP，99（2017）
[58] Wong，C.S.Y.（黄光诚，C.S.Y.）。；Al-Dujali，A。；苏雷什，S。；Sundararajan，N.，《多目标多尺度搜索优化中更快收敛的Paretoware策略》，《信息科学》。(2018) ·Zbl 1440.90070
[59] 谢，Z。；Sun，J。；帕拉德五世。；王，S。；Liu，Y.，《进化抽样：概率框架下机器学习的新方法》，《信息科学》。，299, 262-282 (2015) ·Zbl 1360.68722号
[60] 刘，Y。；朱，N。；Li，K.，进化多目标优化的角度优势准则，信息科学。(2019)
[61] 袁，Y。；Xu，H。；王，B。；Yao，X.，一种新的基于优势关系的多目标优化进化算法，IEEE Trans。进化。计算。，2016年第20、1、16C37页
[62] Zangari，M。；Mendiburu，A。；桑塔纳，R。；Pozo，A.，基于多目标分解的mallows模型分布估计算法。置换flowshop调度问题的研究案例。，397-398, 137-154 (2017)
[63] Zhang，Y。；龚，D。；Sun，J。；Qu，B.，《用于多目标进化优化的基于分解的归档方法》，Inf.Sci。(2017)
[64] 赵，H。；张，C。；张，B。；Duan，P。；Yang，Y.，基于分解的子问题最优解更新方向引导的进化多目标算法，Inf.Sci。(2018)
[65] 朱，Q。；林，Q。；杜，Z。；梁，Z。；Wang，W。；Zhu，Z.，一种用于多目标进化算法的新型自适应混合交叉算子，Inf.Sci。(2016)
[66] 邹，J。；Fu，L。；Yang，S。；郑，J。；Yu，G。；胡毅，基于旋转网格的多目标进化算法，应用。柔软。计算。(2018)
[67] 李，Q。；邹，J。；Yang，S。；郑，J。；Gan，R.，基于特殊点的进化动态多目标优化预测策略，Soft。计算。，2018年1月1日至17日
[68] 甘·R。；郭毅。；郑，J。；邹，J。；Yang，S.，动态多目标优化中多样性保持对预测的影响，应用。柔软。计算。，58, 631-647 (2017)
[69] 邹，J。；Zhang，Y。；Yang，S。；袁，L。；Zheng，J.，多目标优化问题的自适应邻域选择，应用。柔软。计算。，64, 186-198 (2018)
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。