×
伊莱恩·格雷罗·佩尼亚；阿鲁齐奥·福斯托·里贝罗（Aluízio Fausto Ribeiro）

目标空间预测的多目标进化算法。 （英语） 兹比尔1453.90142

信息科学。 501, 293-316 (2019).
摘要：使用进化算法（EA）解决多目标优化问题尚未完全解决。种群多样性损失和EA对Pareto前沿形状的敏感性等问题影响了算法的性能。各种EA包括用于处理此类问题的进化过程的知识获取。几个问题对于使用概率模型添加知识至关重要；其中，我们提到了算法应该更新模型的时间，以及哪些信息适合构建模型。为了解决这些问题，我们提出了基于目标空间预测的非支配排序差分进化改进算法（OSP-NSDE）。当实现基于近似超体积度量的多个前提时，OSP-NSDE触发目标空间预测（OSP）策略。OSP识别目标空间中非支配个体的运动趋势，然后快速确定搜索空间中有希望的区域，并根据这些区域生成新的种群。当OSP条件不满足时，使用正则变异算子生成子代。使用31个已知函数和三个实际问题验证了OSP-NSDE的有效性，并与基于EA-的算法和其他具有集体智能的算法进行了比较。

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：

多目标优化；进化计算；基于Pareto的算法；预测；概率模型

软件：

机动脚踏车；MOEA/D公司；SPEA2公司；RM-MEDA公司；GDE3型；MOPSO公司
PDF格式BibTeX公司 XML格式引用
\textit{E.Guerrero-Peña}和\textit{a.F.R.Araújo}，信息科学。501、293--316（2019；Zbl 1453.90142）
全文： 内政部

参考文献：

[1] 右心绞痛。；Babu，B.，《非支配排序差分进化（NSDE）：多目标优化差分进化的扩展》，IICAI，1428-1443（2005）
[2] Araújo，A.F.R。；Garrozi，C.，MulRoGA：一种考虑多目标的组播路由遗传算法方法，应用。智力。，32, 330-345 (2010)
[3] 阿塔，B。；Coban，R.，基于人工蜂群算法的非线性倒立摆线性二次型最优控制器设计，国际期刊Intell。系统。申请。工程，3，1-6（2015）
[4] 阿塔，B。；乔班，R.，《使用人工蜂群算法对推车上倒立摆进行线性二次最优控制：一项实验研究》，库库洛娃大学J.Fac。工程建筑师。，32, 109-123 (2017)
[5] 阿泽夫多，C.R。；Araújo，A.F.R.，进化多目标优化中多样性和超体积之间的相关性，2011年IEEE进化计算大会（CEC），2743-2750（2011），IEEE
[6] Bello-Orgaz，G。；Salcedo-Sanz，S。；Camacho，D.，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)
[7] Blei，D.M.，《构建、计算、批判、重复：潜在变量模型的数据分析》，Ann.Rev.Stat.Appl。，1, 203-232 (2014)
[8] 博斯曼，P.A。；Thierens，D.，The naive midea:a baseline multiple EA，进化多准则优化国际会议，428-442（2005），Springer·Zbl 1109.68587号
[9] Cheng，R。；Jin，Y。；Narukawa，K。；Sendhoff，B.，使用基于高斯过程的逆建模的多目标进化算法，IEEE Trans。进化。计算。，19, 838-856 (2015)
[10] 丘格，T。；信德省。；哈卡宁，J。；Miettinen，K.，《用进化算法处理计算量大的多目标优化问题的调查》，《软计算》。，1-30 (2017)
[11] Coban，R.，使用多反馈层神经网络和粒子群优化对三角标记-II研究堆的功率级控制，《核能年鉴》，69，260-266（2014）
[12] 科班，R。；Aksu，I.O.，使用多反馈层神经网络和粒子群优化进行神经控制设计，Tehnički vjesnik，25，437-444（2018）
[13] 科埃洛，C.C。；Lechuga，M.S.，Mopso：多目标粒子群优化的建议，2002年进化计算大会论文集。CEC’02（分类号02TH8600），第2卷，1051-1056（2002），IEEE
[14] 科恩·D·W。；Jerram，N.R。；Knowles，J.D。；Oates，M.J.，PESA-II：进化多目标优化中的基于区域的选择，第三届遗传和进化计算年会论文集，283-290（2001），摩根考夫曼出版社。
[15] Costa，M。；Minisci，E.，MOPED:基于多目标参数的连续问题分布估计算法，进化多准则优化国际会议，282-294（2003），Springer·Zbl 1036.90524号
[16] 戴，C。；Wang，Y。；Ye，M.，基于分解的多目标粒子群优化算法，信息科学。，325, 541-557 (2015)
[17] 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，Evolut。计算。，IEEE传输。，6, 182-197 (2002)
[18] 德尼修克，R。；科斯塔，L。；桑托，I.E。；Matos，J.C.，MOEA/PC：基于极坐标的多目标进化算法，进化多准则优化国际会议，141-155（2015），Springer
[19] Ganesan，T。；Elamvazuthi，I。；沙里，K.Z.K。；Vasant，P.，合成气生产多目标优化的群智能和引力搜索算法，应用。能源，103，368-374（2013）
[20] Ghosh，A。；Krishnan，T。；Subudhi，B.，《倒置推杆系统的鲁棒比例积分微分补偿：实验研究》，IET控制理论应用。，6, 1145-1152 (2012)
[21] 贾基奥齐斯，I。；Fleming，P.J.，增加可用帕累托最优解决方案的密度，自动化。控制系统。工程（2012）
[22] 贾基奥齐斯，I。；Fleming，P.J.，决策的Pareto前沿估计，Evolut。计算。，22, 651-678 (2014)
[23] 格雷罗·佩尼亚，E。；Araújo，A.F.R.，基于高斯混合模型的局部搜索差分进化算法，进化计算（CEC），2017年IEEE大会，1885-1892（2017），IEEE
[24] 何，Z。；Yen，G.G.，使用性能指标集成对多目标进化算法进行排名，进化计算（CEC），2013年IEEE大会，2480-2487（2013），IEEE
[25] 伊格尔，C。；Hansen，N。；Roth，S.，多目标优化协方差矩阵自适应，Evolut。计算。，15, 1-28 (2007)
[26] Jin，Y。；Sendhoff，B.，《进化多目标优化中的连通性、正则性和局部搜索的成功》，进化计算，2003年。CEC’03。2003年IEEE大会，第3卷，1910-1917（2003）
[27] Karshenas，H。；桑塔纳，R。；比尔扎，C。；Larranaga，P.，基于目标和变量联合建模的分布多目标估计算法，IEEE Trans。进化。计算。，18519-542（2014）
[28] 库科宁，S。；Lampinen，J.，GDE3:广义微分进化的第三个进化步骤，进化计算，2005年。2005年IEEE大会，第1卷，443-450（2005），IEEE
[29] 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。，13, 284-302 (2009)
[30] 李毅。；Xu，X。；李，P。；Jiao，L.，利用本地学习改进RM-MEDA，软计算。，18, 1383-1397 (2014)
[31] 林，Q。；李，J。；杜，Z。；陈，J。；Ming，Z.，一种具有多种搜索策略的新型多目标粒子群优化算法，Eur.J.Oper。研究，247732-744（2015）·Zbl 1346.90742号
[32] Long，J。；孙，Z。；Pardalos，P.M。；Y.Hong。；张，S。；Li，C.，用于收费车辆路径问题的混合多目标遗传局部搜索算法，Inf.Sci。（2018年）
[33] 马蒂，L。；加西亚，J。；Berlanga，A.公司。；Molina，J.M.，用分布算法的多目标神经估计解决复杂的高维问题，第11届遗传和进化计算年会论文集，619-626（2009），ACM
[34] Nocedal，J。；Wright，S.J.，顺序二次规划（2006），Springer
[35] Okabe，T。；Jin，Y。；Sendoff，B.公司。；Olhofer，M.，基于Voronoi的多目标优化分布算法估计，2004年进化计算大会论文集（IEEE分类号04TH8753），第2卷，1594-1601（2004），IEEE
[36] 厄齐尔，T。；刘，Y。；阿哈吉，R。；Barker，K.，基于多目标遗传算法的聚类方法及其在基因表达数据中的应用，信息系统进展国际会议，451-461（2004），Springer
[37] Rincón，L.，《墨西哥城：墨西哥国立自治大学导论》（2012）
[38] 德索萨，J.T.G。；da Franca，J.E.M。；Araújo，A.F.R.，《无模型自适应控制中基于微分进化的参数调谐》，2015年IEEE系统、人与控制论国际会议，1726-1731（2015），IEEE
[39] 田，Y。；Cheng，R。；张，X。；程，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, 609-622 (2018)
[40] Y.Tian，R.Cheng，X.Zhang，Y.Jin，PlatEMO:进化多目标优化的matlab平台，arXiv:1701.00879；Y.Tian，R.Cheng，X.Zhang，Y.Jin，PlatEMO:进化多目标优化的matlab平台，arXiv:1701.00879
[41] 瓦赫哈尼，V.L。；达比，V.K。；Prajapati，H.B.，多目标进化算法综述，电路、电源和计算技术（ICCPCT），2015年国际会议，1-9（2015），IEEE
[42] Wang，R。；赖，S。；Wu，G。；Xing，L。；Wang，L。；Ishibuchi，H.，通过进化多目标优化实现多聚类，Inf.Sci。，450, 128-140 (2018) ·Zbl 1440.68244号
[43] 而L。；辛斯顿，P。；巴龙，L。；Huband，S.，计算超级卷的更快算法，IEEE Trans。进化。计算。，10, 29-38 (2006)
[44] 萨波提卡斯·马丁内斯，S。；Coello Coello，C.A.，基于分解的多目标粒子群优化器，第13届遗传和进化计算年会论文集，69-76（2011），ACM
[45] 张杰。；周，A。；Zhang，G.，基于分类和帕累托支配的多目标进化算法，进化计算（CEC），2015年IEEE大会，2883-2890（2015），IEEE
[46] 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, 712-731 (2007)
[47] 张，Q。；周，A。；Jin，Y.，RM-MEDA：一种基于规则性模型的分布多目标估计算法，IEEE Trans。进化。计算。，12, 41-63 (2008)
[48] 张，X。；郑，X。；Cheng，R。；邱，J。；Jin，Y.，一种基于竞争机制的快速收敛多目标粒子群优化算法，Inf.Sci。，427, 63-76 (2018)
[49] Zitzler，E。；Laumanns，M。；Thiele，L.，SPEA2:改进强度帕累托进化算法，TIK-report，103（2001）
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。