克里斯蒂安·冯·吕肯；Carlos A.Brizuela。；本杰明·巴兰 MOEA/D中基于聚类的多种群方法用于多目标问题。 （英语） Zbl 1487.90599号 计算。最佳方案。申请。 81，第3期，789-828（2022）. 摘要：本文为基于分解的多目标进化算法（MOEA/D）提出了一种新的多种群框架。在这种情况下，聚类方法通过将MOEA/D进化种群分裂为相似个体的多个子种群进行独立进化来加强交配限制。通过将每个子种群分配给不同的处理器，使用子种群可以实现自然的并行实现。使用三种聚类方法（k-Means、基于光谱的聚类和基于目标向量形状的方法）评估了所提出的多种群MOEA/D（mpMOEA/D）。此外，还测试了一种随机分区方法。使用衡量收敛性、多样性和计算时间的指标，比较了使用DTLZ和WFG问题的mpMOEA/D方案和原始MOEA/D3、4、8和10个目标的结果。使用Wilcoxon检验和Friedman秩进行的评估揭示了使用聚类程序进行人口划分的重要性，尤其是在有多个目标的情况下。结果表明，基于聚类的多种群方法在提高进化方法对许多客观问题的性能方面是可行的。 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 关键词：多目标进化算法；多目标优化；多种群进化算法；基于分解的多种群多目标进化算法 软件：MOEA/D公司 PDF格式BibTeX公司 XML格式引用 \textit{C.von Lücken}等人，计算。最佳方案。申请。81，第3号，789--828（2022；Zbl 1487.90599） 全文： 内政部 参考文献： [1] Goldberg，DE，《搜索中的遗传算法》。优化和机器学习（1989），阅读：Addison-Wesley出版社，阅读·Zbl 0721.68056号 [2] Kowatari，N。；Oyama，A。；阿吉雷，H。；田中，K。；CAC科埃罗；Cutello，V。；Deb，K。；Forrest，S。；尼科西亚，G。；Pavone，M.，《多目标优化中的人口规模和邻域重组分析》，《自然中的并行问题解决》，PPSN XII，22-31（2012），柏林：斯普林格出版社，柏林·doi:10.1007/978-3-642-32964-7_3 [3] Ishibuchi，H。；Shibata，Y。；丰塞卡，CM；弗莱明，PJ；Zitzler，E。；Thiele，L。；Deb，K.，《交配限制对emo算法搜索能力影响的实证研究》，《进化多准则优化》，433-447（2003），柏林：斯普林格出版社，柏林·Zbl 1028.68787号 ·doi:10.1007/3-540-36970-8_31 [4] Ishibuchi，H。；Shibata，Y。；Deb，K.，多目标优化中控制多样性-收敛平衡的匹配方案，遗传与进化计算-GECCO 2004，1259-1271（2004），柏林：Springer，Berlin·doi:10.1007/978-3-540-24854-5_121 [5] 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) ·doi:10.1109/TEVC.2013.281535 [6] 冯·吕肯，C。；巴兰，B。；Brizuela，C.，多目标问题多目标进化算法综述，计算。最佳方案。申请。，1, 1, 1-50 (2014) ·Zbl 1334.90219号 ·doi:10.1007/s10589-014-9644-1 [7] 李，B。；李，J。；Tang，K。；Yao，X.，《多目标进化算法：调查》，ACM Compute。调查。，48, 1, 13 (2015) ·doi:10.1145/2792984 [8] Deb，K.，《使用进化算法的多目标优化》（2001），奇切斯特：威利·Zbl 0970.90091号 [9] 科埃洛·科埃洛，C。；拉蒙特，G。；Van Veldhuizen，D.，解决多目标问题的进化算法（2007），纽约：Springer，纽约·Zbl 1142.90029号 [10] Van Veldhuizen，DA；齐达利斯，JB；拉蒙特，GB，《工程并行多目标进化算法的考虑因素》，IEEE Trans。进化。计算。，7, 2, 144-173 (2003) ·doi:10.1109/TEVC.2003.810751 [11] 冯·吕肯，C。；布里苏埃拉，C。；巴兰，B。；加斯帕尔·库尼亚，A。；亨格勒·安图内斯，C。；Coello，CC，使用目标向量形状的基于聚类的并行多目标进化算法，进化多准则优化，50-64（2015），Cham:Springer，Cham·doi:10.1007/978-3-319-15892-14 [12] Branke，J.、Schmeck，H.、Deb，K.、Reddy S，M.：并行化多目标进化算法：锥分离。参见：《2004年进化计算大会会议记录》，第2卷，第1952-19572页（2004）。doi:10.1109/CEC.2004.1331135 [13] de Toro Negro，F。；奥尔特加，J。；罗斯，E。；莫塔，S。；Paechter，B。；Martin，JM，PSFGA：多目标优化的并行处理和进化计算，并行计算。，30, 5, 721-739 (2004) ·doi:10.1016/j.parco.2003.12.012 [14] Hiroyasu，T.，Miki，M.，Watanabe，S.：多目标优化问题中并行遗传算法的新模型——分区多目标遗传算法。摘自：2000年进化计算大会会议记录。CEC00（分类号00TH8512），第1卷，第333-3401页（2000年）。doi:10.1109/CEC.2000.870314 [15] 斯特里切特，F。；Ulmer，H。；Zell，A。；加利福尼亚州科埃洛·科埃洛；埃尔南德斯·阿吉雷，A。；Zitzler，E.，使用聚类算法的多目标进化算法的并行化，进化多准则优化，92-107（2005），柏林：Springer，柏林·Zbl 1109.68637号 ·数字对象标识代码：10.1007/978-3-540-31880-47 [16] 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·doi:10.1109/TEVC.2007.892759 [17] 吴，X。；库马尔，V.，《数据挖掘中的十大算法》（2009），博卡拉顿：查普曼和霍尔/CRC，博卡拉通·Zbl 1179.68129号 ·doi:10.1201/9781420089653 [18] 史J。；Malik，J.，标准化切割和图像分割，IEEE Trans。模式分析。机器。智力。，22, 8, 888-905 (2000) ·数字对象标识代码：10.1109/34.868688 [19] 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。(2002) ·数字对象标识代码：10.1109/4235.996017 [20] 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) ·doi:10.1162/EVCO_a_00109 [21] 张杰。；唐奇。；李，P。；邓，D。；Chen，Y.，求解多目标最优潮流问题的改进MOEA/D方法，应用。柔软。计算。，47, 494-514 (2016) ·doi:10.1016/j.asoc.2016.06.022 [22] Wang，Z。；张，Q。；周，A。；龚，M。；Jiao，L.，MOEA/D的自适应替换策略，IEEE Trans。赛博。，46, 2, 474-486 (2016) ·doi:10.1109/TCYB.2015.2403849 [23] Xing，H.等人。；Wang，Z。；李·T。；李，H。；Qu，R.，一种用于网络编码多目标组播路由的改进MOEA/D算法，应用。柔软。计算。，59, 88-103 (2017) ·doi:10.1016/j.asoc.2017.05.033 [24] 霍胡，V。；Hartjes，S。；维瑟，HG；Curran，R.，《复杂Pareto前沿双目标优化问题的改进MOEA/D算法及其在结构优化中的应用》，专家系统。申请。，92, 430-446 (2018) ·doi:10.1016/j.eswa.2017.09.051 [25] AJ内布罗；JJ Durillo；布鲁姆，C。；Battiti，R.，《多目标元启发式MOEA/D并行化研究》，《学习与智能优化》，303-317（2010），柏林：施普林格出版社，柏林·doi:10.1007/978-3642-13800-332 [26] 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) ·doi:10.1016/j.swevo.2011.02.002 [27] 阿拉斯加州贾恩；明尼苏达州默蒂；弗林，PJ，《数据聚类：综述》，ACM Compute。调查。，31, 3, 264-323 (1999) ·数字对象标识代码：10.1145/331499.331504 [28] Zelnik Manor，L.，Perona，P.：自调谐光谱聚类。收录于：第17届神经信息处理系统国际会议论文集。NIPS’04，第1601-1608页。麻省理工学院出版社，剑桥（2004）。doi:10.5555/2976040.2976241 [29] Ayed，A.B.，Halima，M.B.，Alimi，A.M.：聚类方法调查：面向大数据的模糊聚类。2014年第六届国际软计算与模式识别会议（SoCPaR），第331-336页（2014）。doi:10.1109/SOCPAR.2014.7008028 [30] Pelikan，M.、Sastry，K.、Goldberg，D.E.：多目标hBOA、集群和可扩展性。摘自：第七届遗传和进化计算年会论文集。GECCO’05，第663-670页。纽约计算机协会（2005年）。doi:10.1145/1068009.1068122 [31] 美国卢克斯堡，《光谱聚类教程》，统计计算。，17, 4, 395-416 (2007) ·数字对象标识代码：10.1007/s11222-007-9033-z [32] Ng，A.Y.、Jordan，M.I.、Weiss，Y.：关于光谱聚类：分析和算法。摘自：第14届神经信息处理系统国际会议论文集：天然和合成。NIPS’01，第849-856页。麻省理工学院出版社，剑桥（2001）。doi:10.5555/2980539.2980649 [33] 埃尔西奥卢。；De Raedt，L。；Siebes，A.，高维欧几里德相似性的参数近似算法，数据挖掘和知识发现原理，79-90（2001），柏林：施普林格出版社，柏林·Zbl 1009.68744号 ·doi:10.1007/3-540-44794-67 [34] Fagin，R.、Kumar，R.和Sivakumar，D.：比较前k个列表。In：程序。第十四届ACM-SIAM离散算法年会。SODA’03，第28-36页。美国工业和应用数学学会（2003年）。数字对象标识代码：10.5555/644108.644113·Zbl 1094.68562号 [35] Zhang，Q.，Li，H.：基于分解C++实现的多目标进化算法。http://dces.essex.ac.uk/staff/qzhang/moead/MOEA-D-Continuous.rar。2018年6月30日访问 [36] Deb，K.，Thiele，L.，Laumanns，M.，Zitzler，E.：进化多目标优化的可扩展测试问题。进化多目标优化：理论进展和应用，第105-145页。施普林格，伦敦（2005）。数字对象标识代码：10.1007/1-84628-137-76·Zbl 1078.90567号 [37] 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。(2006) ·Zbl 1109.68603号 ·doi:10.1010/TEVC.2005.861417 [38] 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) ·doi:10.1109/TEVC.2008.925798 [39] Zitzler，E。；Thiele，L.公司。；Laumanns，M。；丰塞卡，CM；da Fonseca，VG，《多目标优化器的性能评估：分析与评论》，IEEE Trans。进化。计算。，7, 2, 117-132 (2003) ·doi:10.1109/TEVC.2003.810758 [40] 李，M。；Yang，S。；Liu，X.，多目标优化中Pareto前沿近似的多样性比较，IEEE Trans。赛博。，44, 12, 2568-2584 (2014) ·doi:10.1109/TCYB.2014.2310651 [41] Wang，H。；Jin，Y。；Yao，X.，多目标优化中的多样性评估，IEEE Trans。赛博。，47, 6, 1510-1522 (2017) ·doi:10.1109/TCYB.2016.2550502 [42] Ishibuchi，H。；R.伊马达。；Setoguchi，Y。；Nojima，Y.，三角线性Pareto前沿倒代距离参考点规范，IEEE Trans。进化。计算。，22, 6, 961-975 (2018) ·doi:10.1109/TEVC.2017.2776226 [43] 石破竹，H。；R.伊马达。；北岛Masuyama。；野岛，Y。；Deb，K。；古德曼，E。；加利福尼亚州科埃洛·科埃洛；克拉姆罗斯，K。；Miettinen，K。；莫斯塔吉，S。；Reed，P.，从最优解分布的角度比较超体积、IGD和IGD+，进化多准则优化，332-345（2019），Cham:Springer，Cham·doi:10.1007/978-3-030-12598-1_27 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。