×
周佳军；姚锡凡；Felix T.S.Chan。；高，梁；靖、宣；李新余；林英子；李云

一种基于分解的进化算法，具有方向向量自适应和选择增强功能。 （英语） Zbl 1453.90160号

信息科学。 501, 248-271 (2019).
小结：为了进一步提高基于分解的多/多目标进化算法（MOEA/D）在处理具有复杂特征（例如，不连续、退化、倒置、极凸或不同尺度）的多目标优化问题（MaOP）时的搜索能力，我们提出了一种具有更好通用性的自适应MOEA/D，其中改进了权重向量的自适应和选择机制。首先，提出了一种同时考虑矢量角和欧几里德距离的小生境制导方案，以利用不同进化阶段的搜索方向自适应性，该方案有望对处理不同类型的不规则Pareto前沿（PF）具有更强的鲁棒性。其次，在交配选择中，利用多准则决策过程辅助的协同选择方案来提高重组的有效性。最后，在环境选择中，采用稳态替换策略，同时考虑最喜爱子问题相对于解的集合排序和子问题的改进区域限制，以减少错误选择。对具有不同特征的基准MaOP进行了比较实验，实验结果证明了我们的建议的优越性。还研究了方向向量自适应机制和其他相关增强的效果。

引用于1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：

进化计算；多目标优化；分解，分解；权重向量；分布自适应

软件：

MOEA/D公司；HypE公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Zhou}等人，《信息科学》。501、248--271（2019；Zbl 1453.90160）
全文： 内政部

参考文献：

[1] Bader，J。；Zitzler，E.，Hype:一种基于快速超体积的多目标优化算法，Evol。计算。，19, 1, 45-76 (2011)
[2] 蔡，X。；梅，Z。；Fan，Z.，一种基于分解的多目标进化算法，对方向向量进行两种调整，IEEE Trans。赛博。，48, 8, 2335-2348 (2018)
[3] 程，J。；Yen，G.G。；Zhang，G.，具有增强交配和环境选择的多目标进化算法，IEEE Trans。进化。计算。，19, 4, 592-605 (2015)
[4] 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, 5, 773-791 (2016)
[5] Deb，K。；Jain，H.，《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, 577-601 (2014)
[6] 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)
[7] Deb，K。；Thiele，L。；Laumanns，M。；Zitzler，E.，可扩展多目标优化测试问题，进化计算，2002年。CEC’02。2002年国会会议记录，1825-830（2002）
[8] Giagkiozis，我。；帕索斯，R。；Fleming，P.，多目标优化的广义分解和交叉熵方法，信息科学。，282, 363-387 (2014) ·兹比尔1355.90091
[9] 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)
[10] Jain，H。；Deb，K.，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)
[11] 江，S。；Yang，S.，基于复杂pareto前沿分解的改进多目标优化进化算法，IEEE Trans。赛博。，46, 2, 421-437 (2016)
[12] 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。，21229-346（2017）
[13] B.Khan。；哈嫩，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标量化的优势进化算法，Inf.Sci。，474, 236-252 (2019) ·Zbl 1441.90148号
[14] 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。，694-716年5月19日（2015年）
[15] 李凯。；Kwong，S。；张，Q。；Deb，K.，基于相互关系的分解多目标优化选择，IEEE Trans。赛博。，45, 10, 2076-2088 (2015)
[16] 李凯。；张，Q。；Kwong，S。；李，M。；Wang，R.，进化多目标优化中基于稳定匹配的选择，IEEE Trans。进化。计算。，18, 6, 909-923 (2014)
[17] 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, 348-365 (2014)
[18] 李，M。；Yang，S。；Liu，X.，《帕累托或非帕累托：多目标优化中的双标准进化》，IEEE Trans。进化。计算。，20, 5, 645-665 (2016)
[19] 李，M。；Yao，X.，《多目标优化中解集的质量评估：一项调查》，ACM Compute。调查。，52, 2, 26:1-26:38 (2019)
[20] Liu，H.L。；Chen，L。；张，Q。；Deb，K.，《在挑战多目标优化问题中自适应分配搜索工作量》，IEEE Trans。进化。计算。，22，3343-448（2018）
[21] Liu，H.L。；顾，F。；Zhang，Q.，将多目标优化问题分解为多个简单的多目标子问题，IEEE Trans。进化。计算。，1450-455年3月18日（2014年）
[22] 刘，Y。；龚，D。；Sun，J。；Jin，Y.，使用onE-by-onE选择策略的多目标进化算法，IEEE Trans。赛博。，47, 9, 2689-2702 (2017)
[23] 刘，Y。；朱，N。；李凯。；李，M。；郑洁。；Li，K.，进化多目标优化的角度优势准则，信息科学。(2019)
[24] 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)
[25] Saborido，R。；鲁伊斯，A.B。；Luque，M.，Global WASF-GA：一种多目标优化中的进化算法，用于逼近整个帕累托最优前沿，Evol。计算。，25, 2, 309-349 (2017)
[26] 桑托斯，T。；Takahashi，R.H.C.，《关于多目标优化中基于dominacE的进化算法的性能退化》，IEEE Trans。进化。计算。，22, 1, 19-31 (2018)
[27] 田，Y。；Cheng，R。；张，X。；Cheng，F。；Jin，Y.，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。，22, 4, 609-622 (2018)
[28] 特里维迪，A。；Srinivasan，D。；Sanyal，K。；Ghosh，A.，基于分解的多目标进化算法综述，IEEE Trans。进化。计算。，21, 3, 440-462 (2017)
[29] Wang，L。；张，Q。；周，A。；龚，M。；Jiao，L.，基于分解的多目标进化算法中的约束子问题，IEEE Trans。进化。计算。，20, 3, 475-480 (2016)
[30] Wang，R。；张，Q。；Zhang，T.，使用pareto自适应尺度化方法的基于分解的算法，IEEE Trans。进化。计算。，1821-837年6月20日（2016年）
[31] 王，Z。；张，Q。；李，H。；Ishibuchi，H。；Jiao，L.，关于在基于分解的多目标进化算法中使用两个参考点，Swarm Evol。计算。，3489-102（2017）
[32] 王，Z。；张，Q。；周，A。；龚，M。；Jiao，L.，MOEA/D的自适应替换策略，IEEE Trans。赛博。，46, 2, 474-486 (2016)
[33] 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)
[34] 吴，M。；李凯。；Kwong，S。；周，Y。；Zhang，Q.，分解多目标优化中基于不完全列表的匹配选择，IEEE Trans。进化。计算。，21, 4, 554-568 (2017)
[35] Xiang，Y。；周，Y。；李，M。；Chen，Z.，一种基于矢量角E的无约束多目标优化进化算法，IEEE Trans。进化。计算。，21, 1, 131-152 (2017)
[36] Yang，S。；江，S。；姜瑜，用新的惩罚方案改进基于分解的多目标进化算法，软计算。，21, 16, 4677-4691 (2017)
[37] 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。，20, 1, 16-37 (2016)
[38] 袁，Y。；Xu，H。；王，B。；张，B。；Yao，X.，在基于分解的多目标优化器中平衡收敛性和多样性，IEEE Trans。进化。计算。，180-198年2月20日（2016年）
[39] 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)
[40] 张，X。；田，Y。；Jin，Y.，用于多目标优化的拐点驱动进化算法，IEEE Trans。进化。计算。，19761-776年6月19日（2015年）
[41] 周，J。；高，L。；姚，X。；Chan，F.T.S。；张杰。；李，X。；Lin，Y.，基于分解和统计学习的多目标人工蜂群优化器，Inf.Sci。，496, 82-108 (2019)
[42] 周，J。；Yao，X.，将改进的人工蜂群和布谷鸟搜索算法相结合的混合方法用于多目标云制造服务组合，《国际生产研究》，55，16，4765-4784（2017）
[43] 周，J。；Yao，X.，用于基于QoS的云制造服务组合优化选择的混合人工蜂群算法，Int.J.Adv.Manuf.Technol。，88, 9-12, 3371-3387 (2017)
[44] 周，J。；Yao，X.，云制造服务组合的LȨvy飞行和自适应增强的多目标混合人工蜂群算法，Appl。智力。，47, 3, 721-742 (2017)
[45] 周，J。；Yao，X.，多种群并行自适应差分人工蜂群算法及其在云制造大规模服务组合中的应用，应用。柔软。计算。，56, 379-397 (2017)
[46] 周，J。；姚，X。；Chan，F.T。；Lin，Y。；Jin，H。；高，L。；Wang，X.，一种依赖个体的多群体人工蜂群算法，Inf.Sci。，485, 114-140 (2019)
[47] 周，J。；姚，X。；Lin，Y。；Chan，F.T。；Li，Y.，云制造中多目标服务组合的自适应多种群差分人工蜂群算法，Inf.Sci。，456, 50-82 (2018)
[48] 周，J。；姚，X。；刘，M。；张杰。；Tao，T.，《新兴智能制造范式的现状综述》，计算。集成。制造系统。，23, 3, 624-639 (2017)
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。