×

可变邻域代数微分进化:具有累积费用的线性排序问题的应用。 (英语) Zbl 1456.68234号

摘要:差分进化(DE)算法的代数变体最近被提出,用于通过代数框架解决基于排列的优化问题,该框架允许将解直接编码为排列。置换空间中的代数DE可以通过考虑不同的邻域定义来表征,例如交换两个相邻项、交换任意两个项、将项移动到给定位置。在这里,我们提出了可变邻域差分进化算法(VNDEP),该算法基于动态奖励方法自适应地搜索三个邻域。我们通过研究提出的算法组件的复杂性并引入使用大于1的比例因子参数的可能性,对VNDEP中所需的理论工具进行了广泛而系统的分析。在具有累积成本的线性排序问题的广泛使用的基准套件上进行了实验,其中VNDEP与四种已知的基于置换的DE方案进行了比较,并与所考虑实例的最新结果进行了比较。实验清楚地表明,VNDEP系统地优于竞争对手的算法,最令人印象深刻的是,在50个最具挑战性的实例中,已经获得了32个新的最知名的解决方案。

MSC公司:

68瓦50 进化算法、遗传算法(计算方面)
05年05月05日 排列、单词、矩阵
90C27型 组合优化
90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式

软件:

irace公司;
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Al-Dabbagh,R.D。;Neri,F。;Idris,N。;Baba,M.S.,自适应差分进化方案中的算法设计问题:回顾和分类,Swarm Evolut。计算。,43, 284-311 (2018)
[2] 新罕布什尔州阿瓦德。;阿里,M.Z。;Suganthan,P.N.,用欧几里德邻域集成正弦微分协方差矩阵自适应以解决CEC2017基准问题,IEEE进化计算大会(CEC)会议记录,372-379(2017)
[3] M.Ayodele,J.A.W.McCall,O.Regnier-Coudert,RK-EDA:一种新的基于随机密钥的分布估计算法,收录于:《第十四届国际自然并行问题解决会议论文集》,2016年9月17日至21日,英国爱丁堡,第849-858页。;M.Ayodele,J.A.W.McCall,O.Regnier Coudert,RK-EDA:一种新的基于随机密钥的分布算法估计,载于:第14届国际会议论文集《自然并行问题解决》-PPSN XIV,英国爱丁堡,2016年9月17日至21日,第849-858页。
[4] M.Baioletti,A.Milani,V.Santucci,组合微分进化的线性排序优化,收录于:IEEE系统、人与控制论(SMC)国际会议论文集,2015年,第2135-2140页。doi:10.1109/SMC.2015.373;M.Baioletti,A.Milani,V.Santucci,组合微分进化的线性排序优化,收录于:IEEE系统、人与控制论(SMC)国际会议论文集,2015年,第2135-2140页。doi:10.1109/SMC.2015.373
[5] M.Baioletti,A.Milani,V.Santucci,《具有累积费用的线性排序问题的代数微分进化的扩展》,载于:《第十四届自然并行问题解决国际会议论文集》(PPSN XIV),Springer International Publishing,Cham,2016年,第123-133页。doi:10.1007/978-3-319-45823-6_12;M.Baioletti,A.Milani,V.Santucci,《具有累积费用的线性排序问题的代数微分进化的扩展》,载于:《第十四届自然并行问题解决国际会议论文集》(PPSN XIV),Springer International Publishing,Cham,2016年,第123-133页。数字对象标识代码:10.1007/978-3-319-45823-6_12
[6] M.Baioletti,A.Milani,V.Santucci,《置换问题基于新先例的蚁群优化》,载于:《模拟进化与学习》,Springer International Publishing,Cham,2017年,第960-971页。doi:10.1007/978-3-319-68759-979;M.Baioletti,A.Milani,V.Santucci,《置换问题的基于新先例的蚁群优化》,载于《模拟进化与学习》,Springer International Publishing,Cham,2017年,第960-971页。数字对象标识代码:10.1007/978-3-319-68759-979
[7] M.Baioletti,A.Milani,V.Santucci,《自动代数进化算法》,载:《人工生命与进化计算》,施普林格国际出版社,Cham,2018a,第271-283页。doi:10.1007/978-3319-78658-2-20;M.Baioletti,A.Milani,V.Santucci,《自动代数进化算法》,摘自:《人工生命与进化计算》,Springer International Publishing,Cham,2018a,第271-283页。doi:10.1007/978-3319-78658-2-20
[8] M.Baioletti,A.Milani,V.Santucci,《利用代数微分进化学习贝叶斯网络》,载于《第十五届自然并行问题解决国际会议论文集》(PPSN XV),Springer International Publishing,Cham,2018b,第436-448页。doi:10.1007/978-3-319-99259-4_35;M.Baioletti,A.Milani,V.Santucci,《利用代数微分进化学习贝叶斯网络》,载于《第十五届自然并行问题解决国际会议论文集》(PPSN XV),Springer International Publishing,Cham,2018b,第436-448页。doi:10.1007/978-3-319-99259-4_35·Zbl 1373.68385号
[9] M.Baioletti,A.Milani,V.Santucci,MOEA/DEP:多目标置换流水车间调度问题的基于代数分解的进化算法,收录于:欧洲组合优化进化计算会议论文集-EvoCOP,Springer International Publishing,Cham,2018c,pp.132-145。doi:10.1007/978-3-319-77449-79;M.Baioletti,A.Milani,V.Santucci,MOEA/DEP:多目标置换流水车间调度问题的基于代数分解的进化算法,收录于:欧洲组合优化进化计算会议论文集-EvoCOP,Springer International Publishing,Cham,2018c,pp.132-145。doi:10.1007/978-3-319-77449-79·兹比尔1423.90081
[10] Bean,J.C.,《用于排序和优化的遗传算法和随机键》,ORSA J.Compute。,6, 2, 154-160 (1994) ·Zbl 0807.90060号
[11] Bertaco,L。;布鲁内塔,L。;Fischetti,M.,《具有累积成本的线性排序问题》,《欧洲运筹学杂志》。Res.,189,3,1345-1357(2008)·Zbl 1146.90497号
[12] Bespamyatnikh,S。;Segal,M.,《枚举最长递增子序列和耐心排序》,Inf.Process。莱特。,76, 1-2, 7-11 (2000) ·兹比尔1338.68205
[13] 布雷斯特,J。;格雷纳,S。;博斯科维奇,B。;默尼克,M。;Zumer,V.,《微分进化中的自适应控制参数:数值基准问题的比较研究》,IEEE Trans。进化。计算。,10, 6, 646-657 (2006)
[14] 奇科娃,Z。;Števo,S.,使用差异进化的Flow shop调度,Manag。信息系统。,5, 2, 8-13 (2010)
[15] 达斯,S。;Mullick,S.S。;Suganthan,P.,《差异进化的最新进展——最新调查》,Swarm Evolut。计算。,27, 1-30 (2016)
[16] 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)
[17] 德拉克,J。;南卡罗来纳州加西亚。;莫利纳,D。;Herrera,F.,关于使用非参数统计检验作为比较进化算法和群体智能算法的方法的实用教程,swarm Evolut。计算。,1, 1, 3-18 (2011)
[18] 杜阿尔特,A。;拉古纳,M。;Martí,R.,Tabu用–累计成本计算搜索线性排序问题。Optimiz公司。申请。,48, 3, 697-715 (2009)
[19] 杜阿尔特,A。;马蒂,R。;阿尔瓦雷斯,A。;Angel-Bello,F.,《具有累积成本的线性排序问题的元启发式》,欧洲期刊Operat。研究,216270-277(2012)
[20] 何毅。;Wang,X.,解决背包问题的基于群论的优化算法,Knowl。基于系统。,出版中(2018)
[21] F.Hutter,H.H.Hoos,K.Leyton-Brown,通用算法配置的基于序列模型的优化,摘自:LION-5(学习和智能优化会议)会议记录,2011年,第507-523页。;F.Hutter,H.H.Hoos,K.Leyton Brown,《基于序列模型的通用算法配置优化》,载于:《LION-5会议记录》(学习与智能优化会议),2011年,第507-523页。
[22] Lang,S.,《代数》,211(2002),Springer·Zbl 0984.0001号
[23] 李,X。;Yin,M.,基于多样性度量的置换流水车间调度的基于对立的差分进化算法,高级工程软件。,55, 10-31 (2013)
[24] López-Ibáñez,M。;杜波依斯·拉科斯特,J。;佩雷斯·卡塞雷斯(Pérez Cáceres,L.)。;Stützle,T。;Birattari,M.,《irace包:自动算法配置的迭代竞赛》,Operat。研究展望。,3, 43-58 (2016)
[25] 马蒂,R。;Reinelt,G.,《线性排序问题:组合优化中的精确和启发式方法》(2011年),Springer Science&Business Media·Zbl 1213.90005号
[26] Mühlenbein,H。;Gorges-Schleuter,M。;Krämer,O.,组合优化中的进化算法,Parall。计算。,7, 1, 65-85 (1988) ·Zbl 0646.65054号
[27] Murata,T。;Ishibuchi,H。;Tanaka,H.,flowshop调度问题的遗传算法,计算。Ind.Eng.,301061-1071(1996)
[28] Neri,F.,《计算科学与工程线性代数》(2016),Springer·Zbl 1373.15002号
[29] Neri,F。;Tirronen,V.,《差异进化的最新进展:调查和实验分析》,Artif。智力。版本:33、1、61-106(2010)
[30] Onwubolu,G.C。;Davendra,D.,《差分进化:基于全局置换的组合优化手册》,175(2009),施普林格科学与商业媒体·Zbl 1156.90004号
[31] 价格,K。;斯托恩·R·M。;Lampinen,J.A.,《差分进化:全局优化的实用方法》(2005),Springer-Verlag New York,Inc·Zbl 1186.90004号
[32] 罗德里格斯-特洛,E。;Hao,J.-K。;Torres-Jimenez,J.,最小线性排列问题的有效两阶段模拟退火算法,计算。运营商。研究,35,10,3331-3346(2008)·Zbl 1133.90424号
[33] 罗德里格斯-特洛,E。;Hao,J.-K。;Torres-Jimenez,J.,《带宽最小化的改进模拟退火算法》,Eur.J.Operat。研究,185,1319-1335(2008)·Zbl 1146.90518号
[34] V.Santucci,M.Baioletti,G.Di Bari,A.Milani,多维双向数划分问题的二元代数微分进化,摘自:《组合优化中进化计算欧洲会议论文集》,EvoCOP,Springer International Publishing,Cham,2019年,第17-32页。doi:10.1007/978-3-030-16711-02;V.Santucci,M.Baioletti,G.Di Bari,A.Milani,多维双向数划分问题的二元代数微分进化,摘自:《组合优化中进化计算欧洲会议论文集》,EvoCOP,Springer International Publishing,Cham,2019年,第17-32页。doi:10.1007/978-3-030-16711-02
[35] V.Santucci,M.Baioletti,A.Milani,《具有总流时间准则的置换流程调度问题的差分进化算法》,载于:《第13届国际自然并行问题解决会议论文集》(PPSN XIII),施普林格国际出版社,Cham,2014,第161-170页。;V.Santucci,M.Baioletti,A.Milani,《基于总流量时间准则的置换流水车间调度问题的差分进化算法》,载于:《第十三届自然并行问题解决国际会议论文集》(PPSN XIII),Springer International Publishing,Cham,2014年,第161-170页。
[36] V.Santucci,M.Baioletti,A.Milani,线性排序问题的代数微分进化,摘自:《2015年遗传与进化计算年会论文集》,ACM,美国纽约州纽约市,2015年,第1479-1480页。doi:10.1145/2739482.2764693;V.Santucci,M.Baioletti,A.Milani,线性排序问题的代数微分进化,摘自:《2015年遗传与进化计算年会论文集》,ACM,美国纽约州纽约市,2015年,第1479-1480页。doi:10.1145/2739482.2764693
[37] 桑图奇,V。;Baioletti,M。;Milani,A.,用代数微分进化算法求解具有总流程时间准则的置换flowshop调度问题,IEEE Trans。进化。计算。,20, 5, 682-694 (2016)
[38] V.Santucci,A.Milani,《edas框架中的粒子群优化》,摘自:《工业应用中的软计算》,施普林格-柏林-海德堡出版社,柏林,海德堡,2011年,第87-96页。doi:10.1007/978-3-642-20505-77;V.Santucci,A.Milani,《edas框架中的粒子群优化》,摘自:《工业应用中的软计算》,施普林格-柏林-海德堡出版社,柏林,海德堡,2011年,第87-96页。doi:10.1007/978-3-642-20505-7_7
[39] Scharnow,J。;Tinnefeld,K。;Wegener,I.,《排序和最短路径问题的进化算法分析》,J.Math。模型1。算法,3,4,349-366(2005)·Zbl 1073.68080号
[40] Schiavinotto,T。;Stützle,T.,搜索景观分析排列的度量综述,计算。运营商。研究,34,10,3143-3153(2007)·Zbl 1185.90115号
[41] Sutton,R.S。;Barto,A.G.,《强化学习:导论》,麻省理工学院出版社,剑桥
[42] G.Syswerda,《使用遗传算法进行进度优化》,见:《遗传算法手册》,Van Nostrand Reinhold,1991年,第332-349页。;G.Syswerda,《使用遗传算法进行进度优化》,载于:《遗传算法手册》,Van Nostrand Reinhold,1991年,第332-349页。
[43] R.Tanabe,A.Fukunaga,基于成功历史的差分进化参数自适应,载于:《IEEE进化计算大会论文集》,2013年,第71-78页。doi:10.1109/CEC.2013.6557555;R.Tanabe,A.Fukunaga,《基于连续历史的微分进化参数自适应》,摘自:IEEE进化计算大会会议记录,2013年,第71-78页。doi:10.1109/CEC.2013.6557555
[44] R.Tanabe,A.S.Fukunaga,《使用线性种群规模缩减改进阴影搜索性能》,收录于:IEEE进化计算大会(CEC)会议记录,2014年,第1658-1665页。doi:10.1109/CEC.2014.6900380;R.Tanabe,A.S.Fukunaga,《使用线性种群规模缩减改进阴影搜索性能》,收录于:IEEE进化计算大会(CEC)会议记录,2014年,第1658-1665页。doi:10.1109/CEC.2014.6900380
[45] Tasgetiren,M.F。;Suganthan,P。;潘,Q.-K.,求解广义旅行商问题的离散差分进化算法集成,应用。数学。计算。,215, 9, 3356-3368 (2010) ·Zbl 1183.65071号
[46] Terán-Villanueva,J.D。;弗雷尔·华库贾,H.J。;Carpio Valadez,J.M。;帕佐斯·兰格尔(Pazos Rangel),R。;Puga Soberanes,H.J。;Martínez Flores,J.A.,用于最小化无线通信系统功耗的异构蜂窝处理算法,计算。最佳方案。申请。,62, 3, 787-814 (2015) ·Zbl 1337.90055号
[47] 托雷斯-希门尼斯,J。;伊兹基尔多·马尔克斯,I。;Garcia-Robledo,A。;Gonzalez-Gomez,A。;伯纳尔,J。;Kacker,R.N.,图上带宽最小化问题的对偶表示模拟退火算法,Inf.Sci。,303, 33-49 (2015) ·Zbl 1360.05170号
[48] Wang,L。;Fu,X。;Mao,Y。;Menhas,M.I。;Fei,M.,一种新的改进二进制差分进化算法及其应用,神经计算,98,55-75(2012)
[49] 张杰。;Sanderson,A.C.,Jade:具有可选外部存档的自适应差分进化,IEEE Trans。进化。计算。,13, 5, 945-958 (2009)
[50] 周天良,吕总,叶天良,周克强,带累积费用线性排序问题的模因算法,载《组合优化与应用》,施普林格国际出版社,2017年,第518-526页。;周天良、吕志明、叶天良、周国强,带累积费用线性排序问题的模因算法,载《组合优化与应用》,施普林格国际出版社,2017年,第518-526页·Zbl 1474.90390号
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。