×
王鹏;朱文;刘海华;廖波;蔡丽君;魏晓辉;任思奇;杨家良

一种新的基于子问题之间关系的MOEA/D资源分配策略。 （英语） Zbl 1453.90156号

信息科学。 501, 337-362 (2019).
摘要：基于分解的多目标进化算法（MOEA/D）将一个多目标优化问题（MOP）分解为一组简单的标量目标优化子问题，并以协作方式进行求解。由于这些子问题在优化难度和计算资源需求方面不同，因此在它们之间合理分配计算资源至关重要，这可以优化资源的使用，提高算法的性能。针对MOEA/D，提出了一种基于子问题之间关系的资源分配策略。基于子问题间的关系维护概率向量，用于指导优化子问题的选择。在优化过程中，我们探讨了边界子问题优先级优化的作用，并在优化早期阶段使用它来帮助更新概率向量。设计了稳态算法并进行了实验测试。结果表明，与现有的最新算法相比，所设计的算法具有一些优势。

引用于5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
91B32型 资源和成本分配（包括公平分配、分摊等）

关键词：

分解，分解;进化算法;多目标优化;资源分配

软件：

RM-MEDA公司;SMS-EMOA公司;HypE公司;MOEA/D公司;SPEA2公司
PDF格式BibTeX公司 XML格式引用
\textit{P.Wang}等人，《信息科学》。501、337--362（2019年；Zbl 1453.90156）
全文： DOI程序

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。，2011年1月19日，45-76
[2] Basseur，M。；Zitzler，E.，《基于指标的多目标优化中处理不确定性的初步研究》，（Rothlauf，F.；Branke，J.；Cagnoni，S.；Costa，E.；Cotta，C.；Drechsler，R.；Lutton，E.；Machado，P.；Moore，J.H.；Romero，J.，Smith，G.D.；Squillero，G。；Takagi，H.，《进化计算的应用》，EvoWorkshops 2006:EvoBIO、EvoCOMNET、EvoHOT、EvoIASP、EvoINTERACTION、EvoMUSART和EvoSTOC，匈牙利布达佩斯，2006年4月10日至12日，会议记录。进化计算的应用，EvoWorkshops 2006:EvoBIO、EvoCOMNET、EvoHOT、EvoIASP、EvoINTERACTION、EvoMUSART和EvoSTOC，匈牙利布达佩斯，2006年4月10日至12日，《计算机科学论文集》，3907（2006），Springer），727-739
[3] 比姆，N。；Naujoks，B。；Emmerich，M.T.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
[4] 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。，8, 2335-2348 (2018)
[5] 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。，838-856年6月19日（2015年）
[6] Chiang，T。；Lai，Y.，MOEA/D-AMS：通过自适应交配选择机制改进MOEA/D，IEEE进化计算大会论文集，2011年6月5日至8日，美国路易斯安那州新奥尔良，1473-1480（2011），IEEE
[7] 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》（2007），美国纽约州纽约市：Springer·Zbl 1142.90029号
[8] 达斯，S。；Suganthan，P.N.，《差异进化：最先进技术的调查》，IEEE Trans。进化。计算。，15, 1, 4-31 (2011)
[9] 达塔，S。；Ghosh，A。；Sanyal，K。；Das，S.，一种用于多目标优化的径向边界交会辅助内点法，Inf.Sci。，377, 1-16 (2017) ·Zbl 1428.90175号
[10] Deb，K。；Goyal，M.，工程设计的组合遗传自适应搜索（geneas），计算。科学。Informat，26，4，30-45（1996）
[11] 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：用方框约束解决问题，IEEE Trans。进化。计算。，18, 4, 577-601 (2014)
[12] 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)
[13] Giagkiozis，我。；Fleming，P.J.，《多目标优化方法：分析》，《信息科学》。，293, 338-350 (2015) ·Zbl 1355.90090号
[14] 贾基奥齐斯，I。；马绍斯共和国。；Fleming，P.J.，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
[15] 龚，D。；孙，J。；Miao，Z.，区间多目标优化问题的基于集合的遗传算法，IEEE Trans。进化。计算。，22, 1, 47-60 (2018)
[16] 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)
[17] 伊格尔，C。；Hansen，N。；Roth，S.，多目标优化协方差矩阵自适应，Evol。计算。，15, 1, 1-28 (2007)
[18] Ishibuchi，H。；北阿卡多。；Nojima，Y.，多目标问题上邻域大小和MOEA/D性能之间的关系，进化多准则优化（EMO）（LNCS 7811）。，459-474（2013），施普林格：德国柏林施普林格
[19] Ishibuchi，H。；Murata，T.，多目标遗传局部搜索算法及其在flowshop调度中的应用，IEEE Trans。系统。人类网络。C部分，28，392-403（1998）
[20] Ishibuchi，H。；Sakane，Y。；北津本。；Nojima，Y.，使用两个邻域结构对多目标优化细胞进化算法性能的影响，Proc。IEEE会议。进化。计算。（CEC），2508-2515（2009）
[21] Jin，Y。；Okabe，T。；Sendhoff，B.，为多目标进化策略调整加权聚合，（Zitzler，E.；Deb，K.；Thiele，L.；Coello，C.A.C。；Corne，D.，《进化多准则优化》，第一届国际会议，EMO 2001，瑞士苏黎世，2001年3月7日至9日，会议记录。进化多准则优化，第一届国际会议，EMO 2001，瑞士苏黎世，2001年3月7日至9日，计算机科学论文集，1993（2001），Springer），96-110
[22] 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, 2, 284-302 (2009)
[23] 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)
[24] 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)
[25] 林，Q。；刘，Z。；严奇。；杜，Z。；科埃罗，C.A.C。；Liang，Z。；Wang，W。；Chen，J.，多目标进化算法的自适应复合算子选择和参数控制，信息科学。，339332-352（2016）
[26] 马蒂，L。；加西亚，J。；A.贝兰加。；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
[27] Miettinen，K.，非线性多目标优化（1999），波士顿，马萨诸塞州，美国：Kluwer·Zbl 0949.90082号
[28] 米尔贾利利，S。；Jangir，P。；米尔贾利，S.Z。；萨雷米，S。；Trivedi，I.N.，使用多目标优化算法优化多目标问题，Knowl-基于系统。，134, 50-71 (2017)
[29] 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，进化多准则优化，82-95（2001），Springer
[30] 齐，Y。；马，X。；刘，F。；Jiao，L。；孙，J。；Wu，J.，具有自适应权重调整的MOEA/D，Evol。计算。，22, 2, 231-264 (2014)
[31] 舒茨，O。；埃斯基维尔，X。；Lara，A。；Coello，C.A.C.，使用平均Hausdorff距离作为进化多目标优化的性能度量，IEEE Trans。进化。计算。，16, 4, 504-522 (2012)
[32] 孙，Y。；Yen，G.G。；Yi，Z.，多目标优化中基于参考线的分布估计算法，Knowl-基于系统。，132, 129-143 (2017)
[33] 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)
[34] 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。，2440-462年3月21日（2017年）
[35] 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)
[36] 王，P。；Liao，B。；朱伟。；蔡，L。；任，S。；陈，M。；Li，Z。；Li，K.，改善moea/d中收敛和多样性平衡的自适应区域调整，Appl。软计算。，70, 797-813 (2018)
[37] 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)
[38] Wong，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，Inf.Sci。，454-455, 1-15 (2018) ·Zbl 1440.90070
[39] Yen，G.G。；Lu，H.，动态多目标进化算法：基于自适应单元的秩和密度估计，IEEE Trans。进化。计算。，7, 3, 253-274 (2003)
[40] 袁，Y。；Ong，Y.-S。；古普塔，A。；Xu，H.，多目标优化中的目标约简：进化多目标方法和综合分析，IEEE Trans。进化。计算。，22, 2, 189-210 (2018)
[41] 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)
[42] 张，Q。；刘伟。；Li，H.，新版moea/d在cec09无约束拖把测试实例上的性能，Proc。IEEE会议。进化。计算。（CEC），203-208（2009）
[43] 张，Q。；周，A。；Jin，Y.，RM-MEDA:基于规则模型的分布多目标估计算法，IEEE Trans。进化。计算。，12，1，41-63（2008）
[44] 周，A。；曲，B。；李，H。；赵，S。；Suganthan，P.N。；Zhang，Q.，《多目标进化算法：最新技术综述》，Swarm Evolution。计算。，1, 1, 32-49 (2011)
[45] 周，A。；张，Q，所有子问题都同样重要吗？基于分解的多目标进化算法中的资源分配，IEEE Trans。进化。计算。，20, 1, 52-64 (2016)
[46] Zitzler，E。；Laumanns，M。；Thiele，L.，SPEA2：改进多目标优化的强度pareto进化算法，Proc。进化。方法设计优化。控制应用程序。Ind.Probl.公司。（欧洲），95-100（2001）
[47] 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)
[48] Zitzler，E。；Thiele，L.公司。；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。