×
迈克尔·T·M·埃默里奇。;安德烈·H·多伊茨。

多目标优化教程：基本原理和进化方法。 （英语） Zbl 07772455号

自然计算。 17，第3期，585-609（2018）.

引用于8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：

多目标优化;多目标进化算法;基于分解的moeas;基于指标的moeas;基于帕累托模型;性能评估

软件：

SPEA2公司;MOEA/D公司;HypE公司;ParEGO公司;NBI公司;尼姆布斯
PDF格式BibTeX公司 XML格式引用
\textit{M.T.M.Emmerich}和\textit{A.H.Deutz}，自然计算。17，第3号，585--609（2018；Zbl 07772455）
全文： 内政部

参考文献：

[1] Allmendinger R、Emmerich M、Hakanen J、Jin Y、Rigoni E（2017）《代理辅助多准则优化：复杂性、前瞻性解决方案和商业案例》。多标准决策分析杂志24（1-2）：5-24·doi:10.1002/mcda.1605
[2] Audet C，Savard G，Zghal W（2010）一种用于多目标优化的网格自适应直接搜索算法。欧洲运营研究杂志204（3）：545-556·Zbl 1181.90137号 ·doi:10.1016/j.ejor.2009.11.010
[3] Auger A、Bader J、Brockhoff D、Zitzler E（2009）超体积指示剂理论：最优μ分布和参考点的选择。摘自：第十届ACM SIGEVO遗传算法基础研讨会论文集，第87-102页。ACM公司·Zbl 1369.68293号
[4] Bäck T（1996）理论与实践中的进化算法：进化策略，进化规划，遗传算法。牛津大学出版社·Zbl 0877.68060号
[5] Bader J，Zitzler E（2011）Hype:一种基于快速超容量的多目标优化算法。进化计算19（1）:45-76·doi:10.1162/EVCO_a_00009
[6] Barán B，Scharer M（2003）带时间窗的车辆路径问题的多目标蚁群系统。摘自：IASTED第二十一届应用信息学国际会议记录，第378卷。奥地利因斯布鲁克，第97-102页
[7] Barba-González C、García-Nieto J、Nebro AJ、Montes JFA（2017）《使用jmetal和spark的多目标大数据优化》。摘自：EMO，计算机科学课堂讲稿第10173卷，第16-30页。施普林格
[8] Belton V，Stewart T（2002）多准则决策分析：一种综合方法。柏林施普林格·doi:10.1007/978-1-4615-1495-4
[9] Beume N、Laumanns M、Rudolph G（2011年）。连续双目标问题类上SMS-EMOA的收敛速度。收录：FOGA，第243-252页。ACM公司·Zbl 1369.90153号
[10] Bleuler S、Laumanns M、Thiele L和Zitzler E（2003年）。PISA：搜索算法的独立于平台和编程语言的接口。收录于：EMO，计算机科学课堂讲稿第2632卷，第494-508页。施普林格·Zbl 1037.68743号
[11] Bossek J（2017）。Ecr 2.0：r.中进化计算的模块化框架in:遗传和进化计算会议论文集，GECCO’17，pp 1187-1193，美国纽约州纽约市
[12] Branke J、Corrente S、Slowinn ski R、Zielniewicz P（2016）。将Choquet积分作为交互式进化多目标优化的偏好模型。《欧洲运筹学杂志》，第250卷，第884-901页。施普林格·兹比尔1346.90731
[13] Branke J，Deb K，Miettinen K，Slowinn ski R，e.（2008）。多目标优化：交互式和进化方法。计算机科学课堂讲稿第5252卷。施普林格·Zbl 1147.68304号
[14] Branke J、Greco S、Slowinn ski R、Zielniewicz P（2015）交互和进化多目标优化中的学习价值函数。IEEE Trans-Evol计算19（1）：88-102·doi:10.1109/TEVC.2014.2303783
[15] 布罗克霍夫D（2017）。GECCO 2017进化多目标优化教程。收录：遗传和进化计算会议论文集，GECCO’17，第335-358页，美国纽约州纽约市
[16] Coello CAC，Pulido GT（2001）多目标优化的微遗传算法。收录于：EMO，计算机科学课堂讲稿第1993卷，第126-140页。施普林格
[17] Coello Coello CA（2013）进化算法中使用的约束处理技术。在GECCO（伴侣）中，第521-544页。ACM公司·Zbl 1026.74056号
[18] Coello Coello CA，Cortés NC（2005）使用人工免疫系统解决多目标优化问题。基因计划进化马赫数6（2）：163-190·数字对象标识代码：10.1007/s10710-005-6164-x
[19] Coello Coello CA，Van Veldhuizen DA，Lamont GA（2007）解决多目标问题的进化算法，第二版。施普林格科技与商业媒体·Zbl 1142.90029号
[20] Custódio A，Emmerich M，Madeira J（2012）无导数多目标优化的最新进展。计算技术版次5:1-30·doi:10.4203/ctr.5.1
[21] Custódio AL，Madeira JA，Vaz AIF，Vicente LN（2011）多目标优化的直接多搜索。SIAM J Optim 21（3）：1109-1140·Zbl 1230.90167号 ·数字对象标识码：10.1137/10079731X
[22] da Fonseca VG，Fonseca-CM，Hall AO（2001）《随机优化者的推断性能评估和获得函数》。收录于：EMO，计算机科学讲义1993卷，第213-225页。施普林格
[23] Das I，Dennis JE（1998）《法线边界交集：非线性多准则优化问题中生成Pareto曲面的新方法》。SIAM J Optim公司8（3）：631-657·Zbl 0911.90287号 ·doi:10.1137/S1052623496307510
[24] Daskalakis C，Karp RM，Mossel E，Riesenfeld SJ，Verbin E（2011）偏序集中的排序和选择。SIAM J计算40（3）：597-622·Zbl 1232.68034号 ·doi:10.1137/070697720
[25] Deb K（2001）使用进化算法的多目标优化。奇切斯特·约翰威利·兹比尔0970.90091
[26] Deb K（2008）。进化多目标优化简介。发表于：Branke J、Deb K、Miettinen K、Słowiáski R（eds）《多目标优化：交互式和进化方法》，计算机科学讲稿5252，第59-96页，柏林，海德堡。施普林格·Zbl 1147.68304号
[27] Deb K，Argawal RB（1995）连续搜索空间的模拟二进制交叉。复杂系统9（2）：115-148·Zbl 0843.68023号
[28] Deb K，Jain H（2014）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：解决具有盒约束的问题。IEEE Trans Evolut计算18（4）：577-601·doi:10.1109/TEVC.2013.281535
[29] Deb K，Pratap A，Agarwal S，Meyarivan T（2002）一种快速的精英多目标遗传算法：NSGA-II。IEEE Trans-Evol计算6（2）：182-197·数字对象标识代码：10.1109/4235.996017
[30] Dellnitz M，Schütze O，Hestermeyer T（2005）用多级细分技术覆盖帕累托集。最优化理论应用杂志124（1）：113-136·Zbl 1137.90015号 ·doi:10.1007/s10957-004-6468-7
[31] Ehrgott M（2005）《多准则优化》。柏林施普林格·Zbl 1132.90001号
[32] Ehrgott M（2012）Vilfredo Pareto和多目标优化。优化案例。《德国数学杂志》（Journal der Deutschen Mathematiker-Vereiningng），额外21:447-453·Zbl 1270.90059
[33] Ehrgott M，Gandibleux X（2000）多目标组合优化的调查和注释书目。OR规范22（4）：425-460·Zbl 1017.90096号 ·数字标识代码：10.1007/s002910000046
[34] Emmerich M、Beume N、Naujoks B（2005年）。使用超体积度量作为选择标准的EMO算法。收录于：EMO，计算机科学课堂讲稿第3410卷，第62-76页。施普林格·Zbl 1109.68595号
[35] Emmerich M，Deutz A（2014）超体积指示剂梯度场的时间复杂性和零点。在：EVOLVE——概率、面向集合的数值和进化计算III之间的桥梁，第169-193页。施普林格
[36] Emmerich M、Deutz A、Kruisselbrink J、Shukla PK（2013）《基于锥体的超体积指标：构造、属性和高效计算》。摘自：进化多准则优化国际会议，第111-127页。施普林格
[37] Emmerich M，Hosenberg R（2000）《茶：并行进化算法设计的工具箱》。技术报告，C++-技术报告，CI-106/01协作研究中心（Sonderforschungsbereich）DFG-SFB 531，《利用计算智能方法设计和管理复杂技术过程和系统》，多特蒙德大学
[38] Emmerich M，Yang K，Deutz A，Wang H，Fonseca CM（2016）贝叶斯全局优化的多准则推广。查姆施普林格，第229-242页·Zbl 1355.90071号
[39] Emmerich MT，Giannakoglou KC，Naujoks B（2006）高斯随机场元模型辅助的单目标和多目标进化优化。IEEE Trans-Evol计算10（4）：421-439·doi:10.1109/TEVC.2005.859463
[40] Emmerich MTM，Fonseca CM（2011）计算低维超卷贡献：渐近最优算法和复杂性结果。收录于：EMO，计算机科学课堂讲稿第6576卷，第121-135页。施普林格
[41] Fleming PJ、Purshouse RC、Lygoe RJ（2005）《多目标优化：工程设计视角》。收录于：EMO，计算机科学课堂讲稿第3410卷，第14-32页。施普林格·兹比尔1109.68596
[42] Fonseca CM，Fleming PJ（1993）多目标优化的遗传算法：公式化、讨论和推广。收录于：ICGA，第416-423页。摩根考夫曼
[43] Geiger MJ，Sevaux M（2011）生物目标库存路径问题解决方案和决策支持。内容：网络优化，第365-378页。施普林格·Zbl 1345.90004号
[44] Giagkiozis I，Lygoe RJ，Fleming PJ（2013）Liger：开源集成优化环境。摘自：《遗传和进化计算第15届年会论文集》，第1089-1096页。ACM公司
[45] Giagkiozis I，Purshouse RC，Fleming PJ（2014）多目标优化的广义分解和交叉熵方法。信息科学282:363-387·Zbl 1355.90091号 ·doi:10.1016/j.ins.2014.05.045
[46] Greco A、Ehrgott M、Figueira J（2016）《多标准决策分析：最新调查》，第2版。柏林施普林格·Zbl 1339.90011号 ·doi:10.1007/978-1-4939-3094-4
[47] Grimme C，Schmitt K（2006）《多目标优化的捕食者-食饵模型内部：第二项研究》。收录：GECCO，第707-714页。ACM公司
[48] Guerreiro AP，Fonseca CM（2017）计算和更新高达四个维度的超级卷贡献。技术报告，CISUC技术报告TR-2017-001，科英布拉大学
[49] Hakanen J，Chugh T，Sindhya K，Jin Y，Miettinen K（2016）交互式多目标进化算法中参考向量和不同类型偏好信息的联系。收录：SSCI，第1-8页。电气与电子工程师协会
[50] Hernández V A S，Schütze O，Emmerich M（2014）通过基于集合的牛顿方法实现超体积最大化。在：EVOLVE——概率、面向集合的数值和进化计算V之间的桥梁，第15-28页。施普林格·Zbl 1306.65221号
[51] Hillermeier C（2001）《非线性多目标优化：广义同伦方法》，第135卷。柏林施普林格·Zbl 0966.90069号 ·数字对象标识代码：10.1007/978-3-0348-8280-4
[52] Hopfe CJ、Emmerich MT、Marijt R、Hensen J（2012）《建筑设计中稳健的多标准设计优化》。收录：《建筑模拟与优化学报》，英国拉夫堡，第118-125页
[53] Huband S，Hingston P，While L，Barone L（2003）多目标优化的概率变异进化策略。在：2003年进化计算大会，2003年。CEC’03。第4卷，第2284-2291页。电气与电子工程师协会
[54] Hupkens I、Emmerich M（2013）《SMS-EMOA和基于超级卷的归档中的对数时间更新》。收录于：EVOLVE——概率、面向集合的数值和进化计算IV之间的桥梁，智能系统和计算进展第227卷。海德堡施普林格
[55] Igel C，Suttorp T，Hansen N（2006）多目标CMA-ES中的稳态选择和有效协方差矩阵更新。摘自：EMO，计算机科学课堂讲稿第4403卷，第171-185页。施普林格
[56] Ishibuchi H，Imada R，Setoguchi Y，Nojima Y（2017）超容量计算中的参考点规范，用于公平比较和高效搜索。收录：遗传和进化计算会议论文集，GECCO’17，第585-592页，美国纽约州纽约市·兹比尔1365.90234
[57] Ishibuchi H，Murata T（1996）多目标遗传局部搜索算法。摘自：1996年IEEE进化计算国际会议论文集。第119-124页。电气与电子工程师协会
[58] Jaszkiewicz A（2002）关于0/1背包问题的多目标遗传局部搜索性能的比较实验。IEEE Trans-Evol计算6（4）：402-412·doi:10.1109/TEVC.2002.802873
[59] Jaszkiewicz A，Słowiáski R（1999）“光束搜索”方法——方法应用概述。欧洲运营研究杂志113（2）：300-314·Zbl 0957.90073号 ·doi:10.1016/S0377-2217（98）00218-5
[60] Jin Y，Okabe T，Sendho B（2001）《多目标进化策略的加权聚合调整》。摘自：进化多准则优化，第96-110页。施普林格
[61] Kerschke P，Wang H，Preuss M，Grimme C，Deutz A H，Trautmann H，Emmerich M（2016）分析连续多目标景观的多模态。收录于：PPSN，计算机科学课堂讲稿第9921卷，第962-972页。施普林格
[62] Knowles J（2006）Parego：一种用于昂贵的多目标优化问题的带在线景观近似的混合算法。IEEE Trans-Evol计算10（1）：50-66·doi:10.1109/TEVC.2005.851274
[63] Knowles J、Corne D、Deb K（2007）《从自然中解决多目标问题》。柏林施普林格·Zbl 1162.90003号
[64] Knowles JD，Corne DW（2000）使用帕累托存档进化策略近似非支配阵线。进化计算8（2）：149-172·doi:10.1162/10636560056868167
[65] Knowles JD、Corne DW、Fleischer M（2003）《使用勒贝格方法的边界归档》。2003年进化计算大会，2003年。CEC’03。第4卷，第2490-2497页。电气与电子工程师协会
[66] Krantz S，Parks H（2003）隐函数定理：历史、理论和应用。纽约州施普林格·Zbl 1012.58003号 ·doi:10.1007/978-1-4612-0059-8
[67] Kuhn HW，Tucker AW（1951）非线性规划。摘自：第二届伯克利研讨会论文集。伯克利、伯克利和洛杉矶。加利福尼亚大学出版社，第481-492页·Zbl 0044.05903号
[68] Kung H-T，Luccio F，Preparia FP（1975）关于向量集最大值的求法。美国医学杂志（JACM）22（4）：469-476·Zbl 0316.68030号 ·doi:10.145/321906.321910
[69] Kursawe F（1990）向量优化进化策略的变体。收录于：PPSN，计算机科学课堂讲稿第496卷，第193-197页。施普林格
[70] Laumanns M，Rudolph G，Schwefel H（1998）多目标优化的空间捕食者-食饵方法：初步研究。摘自：PPSN，计算机科学课堂讲稿第1498卷，第241-249页。施普林格
[71] Li B，Li J，Tang K，Yao X（2015）多目标进化算法：一项调查。ACM计算概况48（1）：13:1-13:35·doi:10.1145/2792984
[72] Li L，Yevseyeva I，Fernandes V B，Trautmann H，Jing N，Emmerich M（2017）构建和使用基于偏好的多目标进化算法本体。在EMO中，计算机科学课堂讲稿第10173卷，第406-421页。施普林格
[73] Mateo P，Alberto I（2012）基于Pareto排序的多目标进化算法变异算子。启发式杂志18（1）：53-89·doi:10.1007/s10732-011-9156-4
[74] Miettinen K（2012）非线性多目标优化，第12卷。柏林施普林格·Zbl 1282.90166号
[75] Miettinen K，MäkeläMM（2000）互联网上的交互式多目标优化系统WWW-NIMBUS。计算OR 27（7-8）：709-723·Zbl 0982.90049号 ·doi:10.1016/S0305-0548（99）00115-X
[76] Reyes-Sierra M，Coello Coello C（2006）《多目标粒子群优化器：最先进技术的调查》，《国际计算机与英特尔研究》2（3）：287-308
[77] Riquelme N，Von Lücken C，BaráN B（2015）多目标优化中的性能指标。2015年XLI拉丁美洲计算机会议。电气与电子工程师协会
[78] Robic T，Filipic B（2005）《演示：多目标优化的差分进化》。收录于：EMO，计算机科学课堂讲稿第3410卷，第520-533页。施普林格·Zbl 1109.68633号
[79] Rosenthal S，Borschbach M（2017）多目标分子优化进化过程的设计观点。在EMO中，计算机科学课堂讲稿第10173卷，第529-544页。施普林格
[80] Rudolph G，Agapie A（2000）一些多目标进化算法的收敛性。摘自：《2000年进化计算大会会议记录》，2000年，第2卷，第1010-1016页。电气与电子工程师协会
[81] Rudolph G，Schütze O，Grimme C，Domínguez-Medina C，Trautmann H（2016）双目标问题的最优平均Hausdorff档案：理论和数值结果。Comp Opt Appl公司申请64（2）：589-618·兹比尔1369.90162 ·doi:10.1007/s10589-015-9815-8
[82] Ruefler C等人（2006），《特性权衡》，技术报告，莱顿生物研究所，理论生物学；数学与自然科学学院；莱顿大学
[83] Schaffer JD（1985）用矢量评估遗传算法进行多目标优化。摘自：第一届遗传算法及其应用国际会议论文集，第93-100页·Zbl 0676.68047号
[84] Schütze O，Dell'Aere A，Dellnitz M（2005）《多目标优化问题数值处理的连续方法》。收录于：Dagstuhl研讨会论文集。Dagstuhl-Leibniz-Zentrum für Informatik学校
[85] Schütze O，Martín A，Lara A，Alvarado S，Salinas E，Coello CAC（2016）多目标模因算法的定向搜索方法。竞争选择申请63（2）：305-332·Zbl 1332.90261号 ·doi:10.1007/s10589-015-9774-0
[86] Sterck F，Markesteijn L，Schiveing F，Poorter L（2011）功能特性决定了热带森林群落中的权衡和生态位。国家科学院学报108（51）：20627-20632·doi:10.1073/pnas.1106950108
[87] Trautmann H，Wagner T，Brockhoff D（2013）R2-EMOA：使用基于R2-指示符的选择的聚焦多目标搜索。在《狮子》中，《计算机科学讲义》第7997卷，第70-74页。施普林格
[88] van der Horst E、Marque si-Gallego P、Mulder-Krieger T、van Veldhoven J、Kruisselbrink J、Aleman A、Emmerich MT、Brussee J、Bender A、IJzerman AP（2012）腺苷受体配体的多目标进化设计。化学信息杂志52（7）：1713-1721·doi:10.1021/ci2005115
[89] Wagner M、Bringmann K、Friedrich T、Neumann F（2015）通过近似引导进化对多个目标进行高效优化。欧洲运营研究杂志243（2）：465-479·Zbl 1346.90754号 ·doi:10.1016/j.jor.2014.11.032
[90] Wagner T、Trautmann H、Naujoks B（2009）OCD：基于统计测试的进化多目标算法的在线收敛检测。Ehrgott，M.、Fonseca，C.M.、Gandibleux，X.、Hao，J.-K.和Sevaux，M.，编辑，《进化多准则优化：第五届国际会议》，EMO 2009，法国南特，2009年4月7日至10日。会议记录，第198-215页。施普林格-柏林-海德堡，柏林，海德堡·Zbl 1160.68302号
[91] Wang H，Deutz A H，Bäck T，Emmerich M（2017）超容量指标梯度上升多目标优化。在EMO中，《计算机科学讲义》第10173卷，第654-669页。施普林格·Zbl 1354.90132号
[92] Wang P，Emmerich M，Li R，Tang K，Bäck T，Yao X（2015）基于凸壳的多目标遗传规划，用于最大化接收机操作特性性能。IEEE Trans-Evol计算19（2）：188-200·doi:10.1109/TEVC.2014.2305671
[93] Yevseyeva I、Basto-Fernates V、Ruano-Ordás D、Méndez JR（2013）《使用进化算法优化反垃圾邮件过滤器》。专家系统应用40（10）：4010-4021·doi:10.1016/j.eswa.2013.01.008
[94] Yevseyeva I，Guerreiro A P，Emmerich M T M，Fonseca C M（2014）多目标进化算法中选择的投资组合优化方法。在PPSN中，《计算机科学讲义》第8672卷，第672-681页。施普林格
[95] Zhang Q，Li H（2007）MOEA/D：一种基于分解的多目标进化算法。IEEE Trans-Evol计算11（6）：712-731·doi:10.1109/TEVC.2007.892759
[96] ſilinskas A（2013）关于最坏情况下的最优多目标全局优化。优化字母7（8）：1921-1928·Zbl 1287.90063号 ·doi:10.1007/s11590-012-0547-8
[97] Zitzler E，Künzli S（2004）多目标搜索中基于指标的选择。在PPSN中，《计算机科学讲义》第3242卷，第832-842页。施普林格
[98] Zitzler E、Laumanns M、Bleuler S（2004）进化多目标优化教程。多目标优化的元启发式，第3-37页·Zbl 1134.90491号
[99] Zitzler E，Laumanns M，Thiele L（2001）SPEA2：改进强度帕累托进化算法。TIK-报告103，Eidgenössische Technische Hochschule Zürich（ETH），德国技术信息研究所（TIK）
[100] Zitzler E，Thiele L（1999）多目标进化算法：比较案例研究和强度帕累托方法。IEEE传输。进化计算3（4）：257-271·doi:10.1109/4235.797969
[101] Zitzler E、Thiele L、Laumanns M、Fonseca CM、Da Fonseca-VG（2003）《多目标优化器的性能评估：分析与评论》。IEEE Trans-Evol计算7（2）：117-132·doi:10.1109/TEVC.2003.810758
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。