×
姜寿勇;李洪如;郭晶磊;钟明军;杨胜祥;马库斯·凯撒;纳塔利奥·克拉斯诺戈尔

AREA：一种基于自适应参考集的进化算法，用于多目标优化。 （英语） Zbl 1457.68342号

信息科学。 515, 365-387 (2020).
摘要：基于种群的进化算法在处理多目标优化问题方面具有巨大潜力。然而，这些算法的性能在很大程度上取决于问题特征。需要改进这些算法以获得广泛的适用性。参考文献通常由决策者的偏好以不同的形式指定，对于提高算法的性能非常有效。本文提出了一种新的框架，用于有效使用参考来加强算法。该框架将引用视为搜索目标，可以根据搜索过程中收集的信息进行调整。该框架结合了参考自适应和自适应局部交配等新策略来解决不同类型的问题。在一系列具有不同特征的问题上，将所提出的算法与现有的算法进行了比较。比较和广泛的敏感性分析表明，该算法在本文研究的不同类型的问题中具有竞争力和鲁棒性。

引用于三文件

MSC公司：

68瓦50 进化算法、遗传算法（计算方面）
90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式

关键词：

多目标优化;参考集;搜索目标;帕雷托前部;局部交配

软件：

MOEA/D公司;SPEA2公司;NBI公司;面积
PDF格式BibTeX公司 XML格式引用
\textit{S.Jiang}等人，《信息科学》。515365-387（2020年；Zbl 1457.68342）
全文： 内政部 arXiv公司 链接

参考文献：

[1] 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)
[2] 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)
[3] Cheng，R。；李，M。；田，Y。；张，X。；Yang，S。；Jin，Y。；Yao，X.，进化多目标优化的基准测试套件，复杂智能。系统。，167-81年3月1日（2017年）
[4] 达斯，I。；Dennis，J.，《正边界交集：非线性多准则优化问题中生成pareto曲面的新方法》，SIAM J.Optimiz。，8, 3, 631-657 (1998) ·Zbl 0911.90287号
[5] Deb，K。；阿格拉沃尔，S。；普拉塔普，A。；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)
[6] 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：带方框约束的问题求解，IEEE Trans。进化。计算。，18, 4, 577-601 (2014)
[7] Deb，K。；Thiele，L。；Laumanns，M。；Zitzler，E.，进化多目标优化的可扩展测试问题，in：，进化多目的优化，105-145（2005），Springer:Springer London·Zbl 1078.90567号
[8] 2018
[9] Ge，H。；赵，M。；Sun，L。；王，Z。；Tan，G。；张，Q。；Chen，C.L.P.，具有两个交互过程的多目标进化算法：级联聚类和参考点增量学习，IEEE Trans。进化。计算。，23, 4, 572-586 (2019)
[10] Goulart，F。；Campelo，F.，用于多目标优化的偏好引导进化算法，信息科学。，329, 236-255 (2016)
[11] Huband，S。；辛斯顿，P。；巴龙，L。；While，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, 2, 477-506 (2006)
[12] Ishibuchi，H。；Sakane，Y。；Masuda，H。；Nojima，Y.，基于分解的多目标算法的性能强烈依赖于pareto前沿形状，IEEE Trans。进化。计算。，21, 2, 169-190 (2017)
[13] 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。，18602-622（2014年）
[14] S.Jiang，M.Torres，D.A.Pelta，D.Krabben，R.Daniel，J.T.Luzardo，M.Kaiser，N.Krasnogor，《通过多目标优化和决策改进微生物菌株设计》，《人工智能合成生物学（IJCAI）学报》，2018年，。
[15] 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)
[16] 江，S。；Yang，S.，基于多目标和多目标优化参考方向的强度帕累托进化算法，IEEE Trans。进化。计算。，21, 3, 329-346 (2017)
[17] 江，S。；Yang，S。；王，Y。；Liu，X.，基于分解的多目标进化算法中的标量化函数，IEEE Trans。进化。计算。，22, 2, 296-313 (2018)
[18] 李先生，姚先生，什么重量适合你？在基于分解的进化多目标优化中，为任何帕累托前沿形状调整权重，2018，arXiv:11709.02679。
[19] 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)
[20] 刘，H。；顾，F。；Zhang，Q.，将多目标优化问题分解为若干简单的多目标子问题，IEEE Trans。进化。计算。，18, 3, 450-455 (2014)
[21] 刘，H。；Li，X.，基于确定权重和分区搜索的多目标进化算法，in：，Proc。恭喜。进化。计算。，15, 361-384 (2009)
[22] 刘，Z。；王，Y。；Huang，P.，And：基于角度选择和基于移位的密度估计的多目标进化算法，《信息科学》。，509, 400-419 (2020) ·Zbl 1456.90144号
[23] 莫利纳，J。；桑塔纳，L.V。；Hernndez-Daz，A.G。；科埃罗，C.A.C。；Caballero，R.，《G-优势：基于参考点的多目标元启发式优势》，欧洲期刊Oper。研究，197，2685-692（2009）·Zbl 1159.90424号
[24] 齐，T。；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] 罗斯塔米，S。；OŔeilly，D。；Shenfield，A。；Bowring，N.，一种用于隐蔽武器探测分类器进化多目标优化的新型偏好清晰度算子，Inf.Sci。，295, 494-520 (2015)
[26] 罗斯塔米，S。；Neri，F。；Epitropakis，M.，《多目标优化问题决策的渐进偏好表达》，国际计算。助理工程师，24，4，315-335（2017）
[27] 赛义德，L.B。；贝奇赫，S。；Ghedira，K.，《r-优势：交互式进化多准则决策的新优势关系》，IEEE Trans。进化。计算，14，5，801-818（2010）
[28] Sato，H.，《基于分解的MOEA中倒置PBI的分析和与其他标量化函数的比较》，《启发式》，21，6，819-849（2015）
[29] Schott，J.R.，《使用单准则和多准则遗传算法优化的容错设计》，M.S.论文（1995年），麻省理工学院：麻省理工科大学剑桥分校
[30] 田，Y。；Cheng，R。；杨，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)
[31] N.K.Visalakshi，J.Suguna，使用最大-最小距离测度的K-Means聚类，载于：，《北美模糊信息处理学会年会论文集》（NAFIPS 2009）（2009）。1-6. 美国电气工程师协会
[32] R.Wang、H.Ishibuchi、Y.Zhang、X.Zheng、T.Zhang，《关于MOEA/d中局部PBI方法对多目标优化的影响》，IEEE计算智能研讨会系列论文集（2016）。
[33] 王，Z。；Ong，Y.S。；Ishibuchi，H.，《关于几乎没有支配边界的可扩展多目标测试问题》，IEEE Trans。进化。计算。，23, 2, 217-231 (2019)
[34] Wilcoxon，F.，《按排名方法进行的个体比较》，《生物统计学》，第1、6、80-83页（1945年）
[35] Wolpert，D.H。；Macready，W.G.，《优化无免费午餐定理》，IEEE Trans。进化。计算。，1, 1, 67-82 (1997)
[36] 吴，M。；李凯。；Kwong，S。；张，Q。；Zhang，J.，《学习分解：基于分解的多目标优化范式》，IEEE Trans。进化。计算。，23, 3, 376-390 (2019)
[37] Yan，B。；赵（Q.Zhao）。；王，Z。；Zhang，J.A.，多目标稀疏重建的基于自适应分解的进化方法，信息科学。，462, 141-159 (2008) ·Zbl 1440.94019号
[38] 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)
[39] 张，X。；蒋，X。；张磊，基于权重向量的参数多目标优化方法，电子学报。J.，44，11，2639-2645（2016）
[40] 张，C。；Tan，K.C。；Lee，L.H.等人。；Gao，L.，具有不连续pareto前沿的双目标优化问题的MOEA/d中的自适应权重向量，软计算。，22, 3997-4012 (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。，2007年11月6日，712-731
[42] 美国电气工程师协会
[43] 张，Q。；周，A。；赵，S。；Suganthan，P.N。；刘伟。；Tiwari，S.，CEC 2009年特别会议的多目标优化测试实例和竞赛技术报告CES-487，计算机科学和电子工程学院，技术报告。(2008)
[44] 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)
[45] E.Zitzler，S.Kunzli，《多目标搜索中基于指标的选择》，载：，《第八届国际会议论文集：自然并行问题解决》（PPSN VIII）3242（2004）832-842。LNCS公司。
[46] 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)
[47] 欧洲原
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。