×
董志明;王显鹏;唐丽欣

MOEA/D采用基于链分割的自适应权重向量调整策略。 （英语） Zbl 1458.90572号

信息科学。 521, 209-230 (2020).
概要：MOEA/D（基于分解的多目标进化算法）通过一个标量化函数和一组均匀分布的权重向量，将一个多目标优化问题（MOP）分解为一系列单目标子问题，并以协作的方式同时优化这些子问题。然而，当多目标问题的真实Pareto前沿（PF）的形状具有长尾和尖峰的特征时，MOEA/D的性能将受到很大影响，即基于分解的多目标进化算法的性能在很大程度上取决于真实PF的形状。为了有效地处理这种情况，提出了一种基于链分割策略（CS）的自适应权重向量调整策略。更具体地说，首先从当前种群分布导出一个链结构来近似真实PF的形状。然后对每条链进行均匀分割，并将从原点到每个分段点的方向向量用作新的权重向量。最后，得到一组合理分布的权重向量，以提高算法的性能。在实验部分，我们将CS策略与MOEA/D的三种变体进行了集成，结果证明了所提策略的有效性。此外，我们使用MOEA/D-DE（MOEA/D的一种变体，它基于差异演化操作符）作为集成CS策略的范例，并将其与五种最先进的算法进行比较，以说明集成CS战略的算法非常有竞争力。

引用于4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：

MOEA/天;多目标优化;链分割;人口活动;权重向量平差

软件：

MOEA/天;NBI公司;j金属;HypE公司;GDE3型;PlatEMO公司
PDF格式BibTeX公司 XML格式引用
\textit{Z.Dong}等人，《信息科学》。521209--230（2020；Zbl 1458.90572）
全文： 内政部

参考文献：

[1] Akhtar，T。；Shoemaker，C.A.，具有rbf代理和多规则选择的计算成本高的多模态函数的多目标优化，J.Global Optim。，64, 1, 17-32 (2016) ·Zbl 1339.90293号
[2] 阿萨福杜拉，M。；雷·T。；萨克，R。；Alam，K.，嵌入MOEA/D的自适应约束处理方法，2012年IEEE进化计算大会，1-8（2012）
[3] U.Asan，S.Ercan，《自组织地图导论》，亚特兰蒂斯出版社，巴黎，第295-315页。
[4] 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)
[5] 博斯曼，P.A.N。；Thierens，D.，《多目标进化算法中接近性和多样性之间的平衡》，IEEE Trans。进化。计算。，7, 2, 174-188 (2003)
[6] 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)
[7] 达斯，I。；Dennis，J.E.，《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.Optim。，8, 3, 631-657 (1998) ·Zbl 0911.90287号
[8] Deb，K。；Jain，H.，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)
[9] 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)
[10] Durillo，J.J。；Nebro，A.J.，jMetal:多目标优化的Java框架，高级工程软件，42，10，760-771（2011）
[11] 艾默里奇，M。；比姆，N。；Naujoks，B.，使用超体积度量作为选择标准的EMO算法，第三届进化多准则优化国际会议论文集。第三届进化多准则优化国际会议论文集，EMO’05，62-76（2005），Springer-Verlag:Springer-Verlag Berlin，Heidelberg·Zbl 1109.68595号
[12] de Farias，L.R.C。；布拉加，P.H.M。；巴萨尼，H.F。；Araüjo，A.F.R.，具有均匀随机自适应权重的MOEA/D，遗传和进化计算会议论文集。遗传和进化计算会议记录，GECCO’18，641-648（2018），ACM:ACM纽约，美国纽约州
[13] Gee，S.B。；Arokiasami，W.A。；姜杰。；Tan，K.C.，随机需求车辆路径问题的基于分解的多目标进化算法，软计算。，20, 9, 3443-3453 (2016)
[14] 龚，M。；马，L。；张，Q。；Jiao，L.，使用带分解的多目标进化算法进行网络社区检测，Physica A，391，15，4050-4060（2012）
[15] 顾，F。；Cheung，Y.，基于分解的多目标进化算法的自组织地图权重设计，IEEE Trans。进化。计算。，22, 2, 211-225 (2018)
[16] 顾，F。；Liu，H.L。；Tan，K.C.，使用动态权重设计方法的多目标进化算法，国际期刊创新。计算。信息控制，8，5（B），3677-3688（2012）
[17] Han博士。；杜，W。；杜，W。；Jin，Y。；Wu，C.，用于多目标优化的基于自适应分解的进化算法，信息科学。，491, 204-222 (2019) ·Zbl 1451.90143号
[18] 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)
[19] Ishibuchi，H。；Setoguchi，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)
[20] 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。，18, 4, 602-622 (2014)
[21] Jan，医学硕士。；Zhang，Q.，MOEA/D for constrained multi-objective optimization:Some prepartial experimental results，2010英国计算智能研讨会（UKCI），1-6（2010）
[22] Jaszkiewicz，A.，《关于0/1背包问题的多目标遗传局部搜索性能——比较实验》，IEEE Trans。进化。计算。，6, 4, 402-412 (2002)
[23] 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)
[24] 库科宁，S。；Lampinen，J.，GDE3:广义微分进化的第三个进化步骤，2005 IEEE进化计算大会，1443-450（2005）
[25] A.库帕蒂。；阿扎尔姆，S。；Wu，J.，多目标遗传算法的约束处理改进，结构。多学科。最佳。，23, 3, 204-213 (2002)
[26] 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)
[27] 李凯。；Fialho，A。；Kwong，S。；Zhang，Q.，基于分解的多目标进化算法的带土匪的自适应算子选择，IEEE Trans。进化。计算。，18, 1, 114-130 (2014)
[28] 李凯。；张，Q。；Kwong，S。；李，M。；Wang，R.，进化多目标优化中基于稳定匹配的选择，IEEE Trans。进化。计算。，18, 6, 909-923 (2014)
[29] 刘，H。；顾，F。；Zhang，Q.，将多目标优化问题分解为多个简单的多目标子问题，IEEE Trans。进化。计算。，1450-455年3月18日（2014年）
[30] 刘，Y。；秦，H。；张，Z。；姚明。；王，C。；莫，L。；欧阳，S。；Li，J.，一种多目标优化的区域搜索进化算法，Inf.Sci。，488, 19-40 (2019) ·Zbl 1451.90145号
[31] Miettinen，K.，非线性多目标优化（1999），Kluwer学术出版社，波士顿·Zbl 0949.90082号
[32] Pamulapati，T。；Mallipeddi，R。；Suganthan，P.N.，（I_{S D E ^+}）–；；多目标优化指标，IEEE Trans。进化。计算。，23, 2, 346-352 (2019)
[33] Pescador-Rojas，M。；Hernández Gómez，R。；蒙特罗，E。；北卡罗来纳州罗哈斯·莫拉莱斯。；里夫，M.-C。；Coello Coello，C.A.，《加权和无约束标量化函数概述》，第九届进化多准则优化国际会议，第10173卷，第499-513页（2017年），纽约斯普林格-Verlag公司。
[34] 齐，Y。；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)
[35] 拉斯穆森，C.E。；Williams，C.K.I.，《机器学习的高斯过程》（2006），麻省理工学院出版社·Zbl 1177.68165号
[36] Saborido，R。；鲁伊斯，A.B。；Luque，M.，Global WASF-GA：一种多目标优化中的进化算法，用于逼近整个帕累托最优前沿，Evol。计算。，25, 2, 309-349 (2017)
[37] 斯托恩，R。；Price，K.，《差分进化——连续空间上全局优化的一种简单有效的启发式算法》，J.global Optim。，11, 4, 341-359 (1997) ·Zbl 0888.90135号
[38] Tang，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 (2019)
[39] 田，Y。；Cheng，R。；张，X。；Jin，Y.，PlatEMO:进化多目标优化的MATLAB平台，IEEE Compute。智力。Mag.，12，4，73-87（2017）
[40] Wang，J。；翁，T。；Zhang，Q.，带时间窗的多目标多报告车辆路径问题的两阶段多目标进化算法，IEEE Trans。赛博。，49, 7, 2467-2478 (2019)
[41] 王，R。；张，Q。；Zhang，T.，使用pareto自适应尺度化方法的基于分解的算法，IEEE Trans。进化。计算。，1821-837年6月20日（2016年）
[42] 王，X。；董，Z。；Tang，L.，具有个人档案和有偏自适应变异选择的多目标差分进化，IEEE Trans。系统。人类网络。系统。，1-13 (2018)
[43] 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例》，IEEE Trans。进化。计算。，23, 3, 376-390 (2019)
[44] 姚，S。；东，Z。；王，X。；Ren，L.，基于分解和动态资源分配策略的多目标多因素优化算法，信息科学。，511, 18-35 (2020) ·Zbl 1456.90152号
[45] Yaseen，Z.M。；S.O.苏莱曼。；Deo，R.C。；Chau，K.-W.，《用于河流流量预测的增强极端学习机器模型：最新技术、水资源工程领域的实际应用和未来研究方向》，J.Hydrol。，569, 387-408 (2019)
[46] 张，Q。；Li，H.，MOEA/D:一种基于分解的多目标进化算法，IEEE Trans。进化。计算。，11, 6, 712-731 (2007)
[47] 张，Q。；刘伟。；Li，H.，新版MOEA/D在CEC09无约束MOP测试实例上的性能，2009 IEEE进化计算大会，203-208（2009）
[48] 张，Q。；刘伟。；Tsang，E。；Virginas，B.，采用高斯过程模型的MOEA/D进行昂贵的多目标优化，IEEE Trans。进化。计算。，14, 3, 456-474 (2010)
[49] 邹，J。；Fu，L。；Yang，S。；郑洁。；阮，G。；Pei，T。；Wang，L.，一种基于自适应参考点的多目标进化算法，信息科学。，488, 41-57 (2019) ·Zbl 1451.90148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。