×

一种新的多目标组合优化分散搜索设计及其在设施选址中的应用。 (英语) Zbl 07362337号

摘要:分散搜索(SS)是一种成熟的元启发式求解方法,在单目标优化中取得了很大成功。文献中包含了几个适用于多目标优化的SS方法示例,几乎所有这些方法都处理连续的非线性问题。我们描述了一种我们认为在多目标组合优化领域具有普遍适用性的SS设计,并通过将其应用于设施选址问题来证明其有效性。设施位置包括确定一组设施的最佳位置。根据用于解决优化问题的目标函数,最佳位置集可能会有很大变化。我们使用一个多目标设施选址问题(mo-FLP)来测试我们的多目标优化分散搜索设计思想。我们关注与文献中三个著名位置问题相关的目标函数:(p)-中值问题(pMP)、最大覆盖位置问题(MCLP)和(p)–中心问题(pCP)。我们的计算实验表明,所提出的SS设计能够产生高质量的Pareto-front近似。
贡献摘要:元启发式优化是计算机科学与运筹学交叉的核心。这个信息计算杂志在推进元启发式方法背后的思想方面发挥了重要作用。弗雷德·格洛弗的禁忌搜索-第一部分30多年前出版于当时的第一卷ORSA计算机期刊本文是启发式优化领域引用最多的文章之一,为运筹学的方法论和实践做出了许多贡献。作为这一研究方向的延续,我们描述了一种新的多目标优化分散搜索设计。该设计包括短期记忆禁忌搜索和路径重新链接组合方法。我们展示了如何将分散搜索和禁忌搜索中的策略和机制相结合,以产生一种高效的多目标优化方法。

MSC公司:

90立方厘米 数学编程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Audet C、Bigeon J、Cartier D、La Digabel S、Salomon L(2018)《多目标优化中的性能指标》。最佳方案。在线。2020年4月22日查阅,http://www.optimization-online.org/DB_FILE/2018/10/6887.pdf.谷歌学者
[2] Baños R,Gil C,Reca J,Martinez J(2009)《多目标分散搜索的实现:比较研究》。计算。最佳方案。应用。42:421-441.Crossref,谷歌学者·Zbl 1211.90202号 ·doi:10.1007/s10589-007-9121-1
[3] Beausoleil RP(2006)MOSS多目标分散搜索应用于非线性多准则优化。欧洲药典。物件。169(2):426-449.谷歌学者Crossref·Zbl 1079.90120号 ·doi:10.1016/j.ejor.2004.08.008
[4] Beausoleil RP(2007)非线性多目标优化的MOSS-II禁忌/分散搜索。Siarry P,Michalewicz Z,编辑。硬优化的元启发式研究进展(柏林施普林格),39-67,谷歌学者·Zbl 1211.90204号
[5] Bierwirth C,Mattfeld DC(1999)《使用遗传算法的生产调度和重新调度》。进化计算。7(1):1-18.Crossref,谷歌学者·doi:10.1162/evco.1999.7.1.1
[6] Blankero R、Carrizosa E、Tóth BG(2016)《最大覆盖区域需求网络上的位置问题》。欧米茄64:77-85.Crossref,谷歌学者·doi:10.1016/j.omega.2015.11.004
[7] Bong CW,Lam HY,Khader AT,Kamarulzaman H(2012),肺CT成像中基于自适应多目标存档的混合散射搜索分割。工程师优化。44(3):327-350.Crossref,谷歌学者·doi:10.1080/03052115X.2011.639369
[8] Caballero R,Laguna M,MartíR,Molina J(2011)多目标聚类问题的分散禁忌搜索。《运营杂志》。Res.Soc公司。62(11):2034-2046.Crossref,谷歌学者·doi:10.1057/jors.2010.180
[9] Calik H,LabbéM,Yaman H(2015)p-Center问题。Laporte G,Nickel S,Saldanha da Gama F编辑。位置科学(瑞士查姆施普林格),79-92。谷歌学者
[10] Campos V,Laguna M,MartíR(2005)置换问题的上下文相关散布和禁忌搜索。信息J.计算。17(1):111-122.链接,谷歌学者·Zbl 1239.90109号
[11] Church R,ReVelle C(1974)最大覆盖位置问题。区域科学论文。协会。32(1):101-118.Crossref,谷歌学者·doi:10.1007/BF01942293
[12] Durillo JJ,Nebro AJ(2011)jMetal:多目标优化的Java框架。高级工程软件42(10):760-771.Crossref,谷歌学者·doi:10.1016/j.advengsoft.2011.05.014
[13] Dzator M,Dzator J(2013)应用于救护车位置的p-中值问题的有效启发式算法。OPSEARCH公司50:60-74.Crossref,谷歌学者·Zbl 1353.90179号 ·doi:10.1007/s12597-012-0098-x
[14] Feo T,Resende M(1989)计算困难集覆盖问题的概率启发式算法。操作。Res.Lett公司。8(2):67-71.Crossref,谷歌学者·Zbl 0675.90073号 ·doi:10.1016/0167-6377(89)90002-3
[15] Feo T,Resende M,Smith S(1994)最大独立集的贪婪随机自适应搜索过程。操作。物件。42(5):860-878.Link,谷歌学者·Zbl 0815.90121号
[16] García-López F,Melián-Batista B,Moreno-Pérez JA,Moreno-Vega JM(2002)P-median问题的并行变量邻域搜索。J.启发式8(3):375-388.Crossref,谷歌学者·Zbl 1012.68796号 ·doi:10.1023/A:1015013919497
[17] Glover F(1977)使用代理约束的整数规划启发式。决策科学。8(1):156-166.Crossref,谷歌学者·doi:10.1111/j.1540-5915.1977.tb01074.x
[18] Glover F(1989)禁忌搜索-第一部分。ORSA J.计算。1(3):190-206.链接,谷歌学者·兹比尔0753.90054
[19] Glover F(1990)禁忌搜索第二部分。ORSA J.计算。2(1):4-32.Link,谷歌学者·Zbl 0771.90084号
[20] Glover F(1997)禁忌搜索和自适应内存编程——进展、应用和挑战。Barr RS,Helgason RV,Kennington JL,编辑。计算机科学和运筹学研究的接口——元启发式、优化和随机建模技术的进展《运筹学/计算机科学接口》,第7卷(斯普林格,波士顿),1-75.Crossref,谷歌学者·Zbl 0882.90111号 ·doi:10.1007/978-1-4615-4102-8_1
[21] Glover F,Laguna M(1997年)禁忌搜索(纽约施普林格)Crossref,谷歌学者·Zbl 0930.90083号 ·doi:10.1007/978-1-4615-6089-0
[22] Guo X,Liu S(2014)多目标选择性拆卸序列问题的分散搜索方法。离散发电机。自然学会2014:第756891条。谷歌学者
[23] Guo X,Zhou M,Liu S,Qi L(2019)多资源约束下序列相关选择性拆卸优化的词典多目标分散搜索。IEEE传输。控制论,ePub将于3月27日印刷,https://doi.org/10.109/TCYB.2019.2901834.谷歌学者
[24] Hakimi SL(1964)切换中心的最佳位置以及图的绝对中心和中位数。操作。物件。12(3):450-459.Link,谷歌学者·Zbl 0123.00305号
[25] Hakimi SL(1965)通信网络中交换中心的最佳分布和一些相关的图论问题。操作。物件。13(3):462-475.Link,谷歌学者·Zbl 0135.20501号
[26] Herda M,Haviar M(2017)针对容量受限的p-median问题的带选择性交叉的混合遗传算法。欧洲中部期刊。物件。25(3):651-664.Crossref,谷歌学者·Zbl 1397.90413号 ·doi:10.1007/s10100-017-0471-1
[27] Karatas M,Yakici E(2018)多目标设施选址问题的迭代解法。申请。软计算。62:272-287.Crossref,谷歌学者·doi:10.1016/j.asoc.2017.10.035
[28] Kariv O,Hakimi S(1979)网络位置问题的算法方法。一: p中心。SIAM J.应用。数学。37(3):513-538.Crossref,谷歌学者·兹比尔0432.90074 ·doi:10.1137/0137040
[29] Kress D,Pesch E(2012)网络上的顺序竞争定位。欧洲药典。物件。217(3):483-499.Crossref,谷歌学者·Zbl 1244.90128号 ·doi:10.1016/j.ejor.2011.06.036
[30] Laguna M,MartíR(2003)散布搜索:C语言的方法和实现(纽约州施普林格)。Crossref,谷歌学者·Zbl 1055.68103号 ·doi:10.1007/978-1-4615-0337-8
[31] Laguna M,MartíR(2005)多模态函数全局优化高级分散搜索设计的实验测试。J.全球优化。33(2):235-255.Crossref,谷歌学者·邮编1093.90092 ·数字对象标识代码:10.1007/s10898-004-1936-z
[32] Lwin K,Qu R,Zheng J(2013)《投资组合优化的外部档案多目标分散搜索》。Rosa A、Dourado A、Madani K、Filipe J、Kacprzyk J,第5版国际出版社。联合协调计算。情报(葡萄牙阿尔加维维拉莫拉科学技术出版社),111-119。谷歌学者
[33] MartíR,Duarte A,Laguna M(2009),最大截问题的高级分散搜索。信息J.计算。21(1):26-38链接,谷歌学者·Zbl 1243.90227号
[34] MartíR、Laguna M、Glover F(2006)《分散搜索原理》。欧洲药典。物件。169(2):359-372.Crossref,谷歌学者·Zbl 1079.90178号 ·doi:10.1016/j.ejor.2004.08.004
[35] Minieka E(1970)m中心问题。SIAM版本。12(1):138-139。Crossref,谷歌学者·Zbl 0193.24204号 ·doi:10.1137/102016年
[36] MladenovićN,LabbéM,Hansen P(2003)用禁忌搜索和可变邻域搜索解决P中心问题。网络42(1):48-64.Crossref,谷歌学者·Zbl 1036.90046号 ·doi:10.1002/net.10081
[37] Molina J、Laguna M、MartíR、Caballero R(2007)SSPMO:非线性多目标优化的分散禁忌搜索程序。信息J.计算。19(1):91-100.Link,谷歌学者·Zbl 1241.90137号
[38] Nebro AJ,Luna F,Alba E(2005)分散搜索应用于多目标优化的新思路。Gaspar Cunha A、Antunes CH、Coello Coello C编辑。进化多准则优化,《计算机科学讲义》,第9018卷(施普林格,柏林),443-458.Crossref,谷歌学者·Zbl 1109.68625号 ·数字对象标识代码:10.1007/978-3-540-31880-431
[39] Nebro AJ、Luna F、Alba E、Dorronsoro B、Durillo JJ、Beham A(2008)《AbYSS:将分散搜索应用于多目标优化》。IEEE传输。进化计算。12(4):439-457.Crossref,谷歌学者·doi:10.1109/TEVC.2007.913109
[40] Rao AM,Lakshmi K(2009)使用分散搜索的混合层压板复合材料结构的多目标优化设计。J.复合材料43(20):2157-2182.Crossref,谷歌学者·doi:10.1177/0021998309339221
[41] Sánchez-Oro J,Laguna M,Duarte A,MartíR(2015)《轮廓最小化问题的分散搜索》。网络65(1):10-21.Crossref,谷歌学者·doi:10.1002/net.21571
[42] Sánchez-Oro J、Laguna M、MartíR、Duarte A(2016)《带通问题的散射搜索》。J.全球优化。66(4):769-790.谷歌学者Crossref·Zbl 1369.90150号 ·doi:10.1007/s10898-016-0446-0
[43] Schaffer JD(1985)使用矢量评估遗传算法进行多目标优化。Grefenstette JJ,第1版,国际。Conf.遗传算法(Lawrence Erlbaum Associates,Hillsdale,NJ),93-100.谷歌学者·Zbl 0676.68047号
[44] Vasconelos JA、Maciel JH、Parreiras RO(2005)《电磁问题中的散射搜索技术》。IEEE传输。磁学41(5):1804-1807.Crossref,谷歌学者·doi:10.1109/TMAG.2005.846474
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。