×

多目标MOEA/D中基于聚类的多种群方法。 (英语) Zbl 1487.90599

摘要:本文提出了一种新的基于分解的多目标进化算法(MOEA/D)的多种群框架。在这种情况下,聚类方法通过将MOEA/D进化群体划分为多个相似个体的子群体进行独立进化,从而强化交配限制。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。提出的多种群MOEA/D(mpMOEA/D)采用三种聚类方法:k-均值、基于谱的聚类和基于目标向量形状的方法。此外,还测试了一种随机划分方法。利用度量收敛性、多样性和计算时间的指标,比较了3、4、8和10个目标的mpMOEA/D方案和使用DTLZ和WFG问题的原始MOEA/D结果。利用Wilcoxon检验和Friedman秩进行的评价揭示了使用聚类方法进行人口划分的重要性,特别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求解多目标问题的性能方面是可行的。

理学硕士:

90C29型 多目标与目标规划
90度59度 数学规划中的逼近方法和启发式方法

软件:

MOEA/日
PDF格式 BibTeX公司 XML 引用
全文: 内政部

参考文献:

[1] 搜索中的遗传算法。优化与机器学习(1989),阅读:艾迪生韦斯利出版社,阅读·Zbl 0721.68056
[2] 北科瓦塔里。;奥雅马,A。;阿吉尔,H。;田中,K。;科埃洛,CAC;卡泰洛,V。;德布,K。;福利斯,S。;尼科西亚,G。;Pavone,M.,基于多目标优化的种群规模和邻域重组分析,来自《自然》的并行问题求解-PPSN XII,22-31(2012),柏林:斯普林格,柏林
[3] 石壁县。;Shibata,Y。;丰塞卡,厘米;弗莱明,PJ;齐兹勒,E。;蒂勒,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,柏林·Zbl 1028.68787
[4] 石壁县。;Shibata,Y。;Deb,K.,控制多目标优化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
[5] 德布,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:求解带框约束的问题,IEEE Trans。进化。计算机。,18577-601(2014年)
[6] 冯·吕肯,C。;巴兰,B。;Brizuela,C.,多目标问题的多目标进化算法综述,计算机。擎天柱。申请。,1,1,1-50(2014年)·Zbl 1334.90219
[7] 李,B。;李,J。;唐,K。;Yao,X.,多目标进化算法:调查,ACM计算机。调查。,第48、1、13期(2015年)
[8] Deb,K.,使用进化算法的多目标优化(2001),Chichester:Wiley,Chichester·Zbl 0970.90091
[9] 科埃罗·科埃洛,C。;拉蒙特,G。;范维尔德胡岑,D.,解决多目标问题的进化算法(2007),纽约:斯普林格,纽约·Zbl 1142.90029号
[10] Van Veldhuizen,达州;兹达利斯,JB;拉蒙特,GB,工程并行多目标进化算法的考虑,IEEE Trans。进化。计算机。,7,2,144-173(2003年)
[11] 冯·吕肯,C。;布里祖埃拉,C。;巴兰,B。;加斯帕,库纳。;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
[12] Branke,J.,Schmeck,H.,Deb,K.,Reddy S,M.:并行化多目标进化算法:锥分离。2004年进化计算大会论文集,第2卷,1952-1952页(2004年)。doi:10.1109/CEC.2004.1331135
[13] 德托罗内格罗,F。;奥尔特加,J。;罗斯,E。;Mota,S。;帕切特,B。;Martin,JM,PSFGA:多目标优化的并行处理和进化计算,并行计算。,305721-739(2004年)
[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-分区域多目标遗传算法。2000年进化计算大会论文集。CEC00(目录号00TH8512),第1卷,第333-3401页(2000年)。doi:10.1109/CEC.2000.870314
[15] 斯特里切特,F。;乌尔默,H。;泽尔,A。;科埃罗·科埃洛,加利福尼亚州;Hernández Aguirre,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:斯普林格,柏林·Zbl 1109.68637
[16] 张Q。;Li,H.,MOEA/D:基于分解的多目标进化算法,IEEE Trans。进化。计算机。,116712-731(2007年)
[17] 吴,X。;Kumar,V.,《数据挖掘的十大算法》(2009),博卡拉顿:查普曼和霍尔/CRC,博卡拉顿·Zbl 1179.68129号
[18] 施,J。;Malik,J.,规范化切割和图像分割,IEEE Trans。肛门模式。机器。内尔。,22,8888-905(2000年)
[19] 德布,K。;普拉塔普,A。;阿加瓦尔S。;Meyarivan,T.,《快速精英多目标遗传算法:NSGA-II》,IEEE Trans。进化。计算机。(2002年)
[20] Qi,Y。;Ma,X。;刘,F。;焦,L。;孙,J。;Wu,J.,具有自适应权重调整的MOEA/D,Evoll。计算机。,22,2231-264(2014年)
[21] 张杰。;唐,Q。;李,P。;邓,D。;陈勇,多目标最优潮流问题求解的修正MOEA/D方法,应用。柔软。计算机。,47494-514(2016年)
[22] 王,Z。;张Q。;周,A。;龚,M。;Jiao,L.,MOEA/D的自适应替换策略,IEEE Trans。赛本。,462474-486(2016年)
[23] 邢,H。;王,Z。;李,T。;李,H。;Qu,R.,网络编码多目标多播路由的改进MOEA/D算法,应用。柔软。计算机。,59,88-103(2017年)
[24] 何虎,V。;哈特杰斯。;维瑟,汞柱;Curran,R.,具有复杂帕累托前沿的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。,92430-446(2018年)
[25] 内布罗,AJ;杜里洛,JJ;布鲁姆,C。;Battiti,R.,多目标元启发式MOEA/D的并行化研究,学习与智能优化,303-317(2010),柏林:斯普林格,柏林
[26] 德里克,J。;加西亚,S。;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智能算法的方法的实用教程,swarm Evoll。计算机。,1,1,3-18(2011年)
[27] 阿肯色州贾恩;明尼苏达州穆蒂;弗林,PJ,数据聚类:回顾,ACM计算机。调查。,313264-323(1999年)
[28] Zelnik Manor,L.,Perona,P.:自校正光谱聚类。第17届神经信息处理系统国际会议论文集。麻省理工学院出版社16004-1601页。doi:10.5555/2976040.2976241
[29] Ayed,A.B.,Halima,M.B.,Alimi,A.M.:聚类方法综述:面向大数据的模糊聚类。在:2014年第六届国际软计算和模式识别会议(SoCPaR),第331-336页(2014年)。doi:10.1109/SOCPAR.2014.7008028
[30] Pelikan,M.,Sastry,K.,Goldberg,D.E.:多目标hBOA,集群和可伸缩性。第七届遗传与进化计算年会论文集。GECCO'05,第663-670页。计算机机械协会,纽约(2005年)。数字标识码:10.1145/1068009.1068122
[31] 美国,卢森堡,光谱聚类教程,Stat.Comput。,17,4,395-416(2007年)
[32] Ng,A.Y.,Jordan,M.I.,Weiss,Y.:关于光谱聚类:分析和算法。第14届神经信息处理系统国际会议论文集:自然与合成。NIPS'01,第849-856页。麻省理工学院出版社,剑桥(2001)。doi:10.5555/2980539.2980649
[33] 埃希奥卢。;德雷特,L。;Siebes,A.,高维欧几里德相似性的参数逼近算法,数据挖掘和知识发现原理,79-90(2001),柏林:斯普林格,柏林·Zbl 1009.68744号
[34] Fagin,R.,Kumar,R.,Sivakumar,D.:比较前k名单。在:过程。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)。数字标识码:10.5555/644108.644113·Zbl 1094.68562
[35] Zhang,Q.,Li,H:基于分解的多目标进化算法C++实现。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伸缩测试问题。进化多目标优化:理论进展与应用,第105-145页。斯普林格,伦敦(2005)。doi:10.1007/1-84628-137-7_6·Zbl 1078.90567
[37] 胡邦,S。;兴斯顿,P。;男爵,L。;《多目标测试问题与可扩展测试问题工具箱》IEEE Trans。进化。计算机。(2006年)·Zbl 1109.68603
[38] 李,H。;张琰,具有复杂帕累托集的多目标优化问题,MOEA/D与NSGA-II,IEEE Trans。进化。计算机。,第13期,第2284-302页(2009年)
[39] 齐兹勒,E。;蒂勒,L。;劳曼,M。;丰塞卡,厘米;张国荣,多目标优化器之性能评估:分析与检讨,电气与电子工程师学会。进化。计算机。,7,2117-132(2003年)
[40] 李,M。;杨,S。;Liu,X.,多目标优化中Pareto前沿逼近的多样性比较,IEEE Trans。赛本。,44、12、2568-2584(2014年)
[41] 王,H。;金,Y。;Yao,X.,多目标优化中的多样性评估,IEEE Trans。赛本。,47、61510-1522(2017年)
[42] 石壁县。;伊玛达,R。;濑口,Y。;Nojima,Y.,三角形线性帕累托前沿反向代际距离参考点规范,IEEE Trans。进化。计算机。,22,6,961-975(2018年)
[43] 石壁县。;伊玛达,R。;北岛Masuyama。;野岛,Y。;德布,K。;古德曼E。;科埃罗·科埃洛,加利福尼亚州;克拉姆罗斯,K。;米蒂宁,K。;莫斯塔吉。;Reed,P.,从最优解分布的角度比较超容积、IGD和IGD+,进化多准则优化,332-345(2019),Cham:Springer,Cham
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。