×

一种基于水平群优化算法的高效多目标优化算法。 (英语) Zbl 1510.90254号

摘要:在过去的几十年里,进化多目标优化已经成为进化计算领域的一个研究热点,并提出了大量的多目标进化算法(MOEA)。然而,MOEA仍然面临着非支配解决方案的多样性和收敛性难以平衡的问题。针对这些问题,本文提出了一种基于水平群优化算法(EMOSO)的高效多目标优化算法。在EMOSO中,引入了一种基于非支配关系和密度估计的排序方法来平衡非支配解在整个种群中的多样性和收敛性。同时,引入了基于水平的学习策略,以保持对非支配解的搜索。最后,利用DTLZ、ZDT和WFG系列问题验证了所提EMOSO的性能。实验结果和统计分析表明,EMOSO与6种流行的MOEA相比具有竞争力。EMOSO的源代码提供于:https://github.com/xuweizhang163/EMOSO网站.

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
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿巴斯,H.A。;Sarker,R。;Newton,C.,Pde:多目标优化问题的pareto-frontent差分进化方法,(2001年进化计算大会论文集(IEEE Cat.No.01TH8546),第2卷(2001),IEEE),971-978
[2] 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)
[3] 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
[4] 蔡,X。;胡,M。;龚博士。;郭玉男。;Zhang,Y。;风扇,Z。;Huang,Y.,用于组合多目标优化的基于分解的协同进化多目标局部搜索,Swarm Evol。计算。(2019)
[5] 曹,L。;徐,L。;E.D.古德曼。;Li,H.,使用差分模型的基于分解的进化动态多目标优化,应用。软计算。,76, 473-490 (2019)
[6] Cheng,T。;陈,M。;弗莱明,P.J。;杨,Z。;Gan,S.,基于混合教学的多目标粒子群优化,神经计算,222,11-25(2017)
[7] 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)
[8] 科埃罗,C.A.C。;北卡罗来纳州科尔特斯,使用人工免疫系统解决多目标优化问题,Genet。程序。进化。机器。,6, 2, 163-190 (2005)
[9] 科埃罗,C.C。;Lechuga,M.S.,Mopso:《多目标粒子群优化方案》,(2002年进化计算大会论文集,CEC’02(分类号02TH8600),第2卷(2002),IEEE),1051-1056
[10] 戴,C。;Wang,Y。;Ye,M.,一种新的基于分解的多目标粒子群优化算法,Inform。科学。,325, 541-557 (2015)
[11] Deb,K。;Jain,S.,《进化多目标优化的运行性能指标》(2002),Citeser
[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] Deb,K。;Thiele,L。;Laumanns,M。;Zitzler,E.,进化多目标优化的可扩展测试问题,(进化多目标最优化(2005),Springer),105-145·Zbl 1078.90567号
[14] 德拉克,J。;南卡罗来纳州加西亚。;莫利纳博士。;Herrera,F.,《关于使用非参数统计测试作为比较进化算法和群体智能算法的方法的实用教程》,swarm Evol。计算。,1, 1, 3-18 (2011)
[15] 埃伯哈特,R。;Kennedy,J.,《使用粒子群理论的新优化器》(Micro Machine and Human Science,1995)。MHS’95,第六届国际研讨会论文集(1995年),IEEE,39-43
[16] Goldberg,D.E。;科尔布,B。;Deb,K.,《杂乱无章的遗传算法:动机、分析和初步结果》,《复杂系统》。,3, 5, 493-530 (1989) ·Zbl 0727.68097号
[17] 何,X。;周,Y。;陈,Z。;张强,基于动态分解的进化多目标优化,IEEE Trans。进化。计算。,23, 3, 361-375 (2018)
[18] Huband,S。;巴龙,L。;而L。;Hingston,P.,可扩展多目标测试问题工具包,(进化多准则优化国际会议(2005),Springer),280-295·Zbl 1109.68603号
[19] 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, 694-716 (2014)
[20] 李,Z。;李,S。;Yue,C。;尚,Z。;Qu,B.,基于强化学习和适应度排序的差分进化,用于解决多模态多目标问题,Swarm Evol。计算。,49, 234-244 (2019)
[21] 李,B。;Tang,K。;李,J。;Yao,X.,基于多指标的多目标优化随机排序算法,IEEE Trans。进化。计算。,20, 6, 924-938 (2016)
[22] 李,L。;Wang,W。;Xu,X.,基于全局边际排名的多目标粒子群优化,Inform。科学。,375, 30-47 (2017)
[23] 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 (2013)
[24] 梁,Y。;黄,H。;蔡,Z。;Hao,Z.,基于模糊多准则评估和分解的图像拼接多目标进化优化,IEEE Trans。模糊系统。,27, 5, 1100-1111 (2019)
[25] 林,Q。;李,J。;杜,Z。;陈,J。;Ming,Z.,具有多种搜索策略的新型多目标粒子群优化,欧洲J.Oper。研究,247,3732-744(2015)·Zbl 1346.90742号
[26] 林,Q。;刘,S。;朱,Q。;唐,C。;宋,R。;陈,J。;科埃罗,C.A.C。;Wong,K.-C。;Zhang,J.,多目标优化问题的平衡适应度估计粒子群优化,IEEE Trans。进化。计算。,22,1,32-46(2016)
[27] 刘杰。;李,F。;孔,X。;Huang,P.,用r2指标和基于分解的粒子群优化算法处理多目标优化问题,国际。系统科学杂志。,50, 2, 320-336 (2019) ·兹比尔1484.90102
[28] 彭,W。;Zhang,Q.,一种基于分解的连续优化问题多目标粒子群优化算法,(2008 IEEE国际粒度计算会议(2008),IEEE),534-537
[29] 迪·皮耶罗,F。;Khu,S.-T。;Savic,D.A.,《多目标进化优化偏好排序方案研究》,IEEE Trans。进化。计算。,11, 1, 17-45 (2007)
[30] Shang,R。;Jiao,L。;刘,F。;Ma,W.,用于mo问题的新型免疫克隆算法,IEEE Trans。进化。计算。,16, 1, 35-50 (2011)
[31] Srinivas,N。;Deb,K.,在遗传算法中使用非支配排序的多目标优化,Evol。计算。,2, 3, 221-248 (1994)
[32] 唐,L。;王,X。;Dong,Z.,带参考轴邻近机制的自适应多目标差分进化,IEEE Trans。赛博。,49, 9, 3571-3585 (2018) ·Zbl 1409.94640号
[33] 田,Y。;Cheng,R。;张,X。;Jin,Y.,Platemo:进化多目标优化的matlab平台[教育论坛],IEEE计算。智力。Mag.,12,4,73-87(2017)
[34] 田,Y。;郑,X。;张,X。;Jin,Y.,基于竞争群优化器的高效大规模多目标优化,IEEE Trans。赛博。(2019)
[35] Wang,R。;马绍斯共和国。;Fleming,P.J.,多目标优化的首选启发协同进化算法,IEEE Trans。进化。计算。,17, 4, 474-494 (2012)
[36] Wang,Y.-N。;吴丽华。;袁晓凤,具有精英档案和基于拥挤熵的多样性测度的多目标自适应差分进化,软计算。,14, 3, 193 (2010)
[37] Wang,Y。;Yang,Y.,多目标优化的优先顺序排序粒子群优化,Inform。科学。,179, 12, 1944-1959 (2009)
[38] 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 (2011)
[39] 杨琼。;陈,W.N。;大登,J。;李毅。;顾,T。;Zhang,J.,用于大规模优化的基于层次的学习群优化器,IEEE Trans。进化。计算。,22, 4, 578-594 (2017)
[40] 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)
[41] Yue,C。;曲,B。;Liang,J.,使用环形拓扑解决多模态多目标问题的多目标粒子群优化器,IEEE Trans。进化。计算。,22, 5, 805-817 (2017)
[42] 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届遗传与进化计算年会论文集(2011),ACM),69-76
[43] Zhang,Y。;龚(D.-w.)。;Sun,J.-y。;Qu,B.-y.,《用于多目标进化优化的基于分解的归档方法》,Inform。科学。,430, 397-413 (2018)
[44] 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)
[45] 张,X。;田,Y。;Cheng,R。;Jin,Y.,进化多目标优化中非支配排序的有效方法,IEEE Trans。进化。计算。,19, 2, 201-213 (2014)
[46] 张,X。;田,Y。;Cheng,R。;Jin,Y.,基于决策变量聚类的大规模多目标优化进化算法,IEEE Trans。进化。计算。,22, 1, 97-112 (2016)
[47] 张,H。;吴杰。;Sun,C。;钟,M。;Yang,R.,基于模拟退火和分解的多目标粒子群优化器,(2018年IEEE第五届云计算和智能系统国际会议(CCIS)(2018),IEEE),262-273
[48] 张,X。;郑,X。;程,R。;邱,J。;Jin,Y.,基于竞争机制的快速收敛多目标粒子群优化算法,Inform。科学。,427, 63-76 (2018)
[49] Zitzler,E。;Deb,K。;Thiele,L.,《多目标进化算法的比较:经验结果》,Evol。计算。,8, 2, 173-195 (2000)
[50] Zitzler,E。;Künzli,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(2004),施普林格),832-842
[51] 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。它的项目与zbMATH标识符启发式匹配,并且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。