×
尚荣华;焦立成;任玉晶;王佳;李阳阳

动态多目标优化的免疫克隆协同进化算法。 （英语） Zbl 1332.90262号

自然计算。 13，第3期，421-445（2014）.
摘要：本文提出了一种新的用于动态多目标优化（DMO）的进化算法，称为免疫克隆协同进化算法（ICCoA）。该算法基于人工免疫系统的基本原理，采用免疫克隆选择来解决DMO问题。此外，协同进化理论被纳入ICCoA的全球运作中，以保持帕累托前沿的多样性。此外，为了增强解决方案的一致性和多样性，设计了协同进化竞争与合作操作。与NSGA-II、用于DMO的免疫克隆算法和基于方向的方法相比，在5个困难测试问题和相关性能指标上获得的仿真结果表明，ICCoA可以获得更好的分布式解决方案，并且在保持Pareto-fronts一致性方面非常有效。

引用于1文件

MSC公司：

90C29型 多目标规划
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
90 C59 数学规划中的近似方法和启发式

关键词：

动态多目标优化;免疫克隆选择;共同进化
PDF格式BibTeX公司 XML格式引用
\textit{R.Shang}等人，《自然计算》。13，第3号，421--445（2014；Zbl 1332.90262）
全文： 内政部

参考文献：

[1] Abido MA（2010）具有非支配局部集和全局集的多目标粒子群优化。国家计算机9（1）：747-766。doi:10.1007/s11047-009-9171-7·Zbl 1208.90192号 ·doi:10.1007/s11047-009-9171-7
[2] Cámara M，Ortega J，de Toro F（2009）动态多目标优化的性能度量。生物灵感系统：计算智能和环境智能。柏林施普林格，第760-767页
[3] Chambers M、Cleveland WS、Kleiner B等人（1983），数据分析的图形方法。沃兹沃斯·布鲁克斯/科尔，太平洋格罗弗·Zbl 0532.65094号
[4] Chen WS，Jiao LC（2010）使用多层神经网络对周期时变和非线性参数化系统进行自适应跟踪。IEEE Trans Neural Netw 21（2）：345-351·doi:10.1109/TNN.2009.2038999
[5] Coello Coello AC，Cortes NC（2002）基于人工免疫系统解决多目标优化问题的方法。摘自：《第一届国际人工免疫系统会议论文集》，国际中心高级研究员Identif。科学。（ICARIS），第212-221页·Zbl 1205.68498号
[6] de Castro LN，Timmis J（2002a）《人工免疫系统：一种新的计算智能方法》。施普林格，柏林，第1-357页·Zbl 1027.68108号
[7] de Castro LN，Timmis J（2002b）利用克隆选择原理进行学习和优化。IEEE Trans Evolut计算6（3）：239-251·doi:10.1109/TEVC.2002.1011539
[8] de Castro LN，Timmis J，Knidel H，Von Zuben F（2010）《人工免疫系统：结构、功能、多样性及其在双聚类中的应用》，《自然计算》9（3）：575-577。doi:10.1007/s11047-009-9145-9·doi:10.1007/s11047-009-9145-9
[9] Deb K，Pratap A，Agarwal S，Meyarivan T（2002）快速精英多目标遗传算法：NSGA-II。IEEE Trans Evolut计算6（2）：182-197·数字对象标识代码：10.1109/4235.996017
[10] Farina M、Deb K、Amato P（2004）《动态多目标优化问题：测试用例、近似和应用》。IEEE Trans Evolut计算8（5）：425-442·doi:10.1109/TEVC.2004.831456
[11] Forrest S、Perelson AS、Allen L、Cherukuri R（1994）《计算机中的自我非自我歧视》。摘自：1994年IEEE安全与隐私研究研讨会论文集，IEEE计算机社会出版社，洛斯阿拉米托斯，1994年，第202-212页
[12] Gibbons JD（1985）非参数统计推断，第二版。Marcel Dekker，纽约·Zbl 0573.62033号
[13] Goh CK，Tan KC（2007）进化多目标优化中的噪声环境研究。IEEE Trans Evolut计算11（3）：354-381·doi:10.1109/TEVC.2006.882428
[14] Goh CK，Tan KC（2009）动态多目标优化的竞争-合作协同进化范式。IEEE Trans Evolut计算13（1）：103-127·doi:10.1010/TEVC.2008.920671
[15] 龚MG，杜海飞，焦连科（2006）人工免疫反应对线性系统的最优逼近。科学中国期刊F 49（1）：63-79·Zbl 1107.93005号 ·doi:10.1007/s11432-005-0314-x
[16] 龚MG，焦LC，杜HF，波LF（2008）基于非支配邻域选择的多目标免疫算法。进化计算。麻省理工学院出版社，剑桥，第225-255页。doi:10.1162/evco.2008.16.2.225·doi:10.1162/evco.2008.16.2.225
[17] Helbig M、Engelbrecht AP等人（2013）使用粒子群优化算法进行动态多目标优化。计算智能中动态优化研究的元启发式433:147-188·doi:10.1007/978-3-642-30665-58
[18] Huang L，Suh IH，Abraham A（2011）基于膜计算的动态多目标优化，用于控制时变不稳定对象。《信息科学》181（11）：2370-2391·doi:10.1016/j.ins.2010.12.15
[19] Jiao LC，Wang L（2000）基于免疫的新型遗传算法。IEEE Trans-Syst Man Cybern公司30（5）：552-561·doi:10.1009/3468.867862
[20] Jiao LC，Liu J，Zhong WC（2006）一种用于分类的组织协同进化算法。IEEE Trans Evolut计算10（1）：67-80·doi:10.1109/TEVC.2005.856068
[21] Jin Y，Branke J（2005）不确定环境中的进化优化——一项调查。IEEE Trans Evolut计算9（3）：303-317·doi:10.1109/TEVC.2005.846356
[22] Leung Y-W，Wang YP（2003）U度量：多目标规划的质量度量。IEEE Trans-Syst Man Cybern 33（3）：337-343·doi:10.1109/TSMCA.2003.817059
[23] Liu RC，Sheng ZC，Jiao LC，Zhang W（2010）基于免疫域的克隆选择聚类算法。IEEE Congr Evolut计算2010:1-7·Zbl 1240.30054号
[24] Lung RI，Dumitrescu D（2010），动态环境中的进化群协同优化。自然计算9（1）：83-94。doi:10.1007/s11047-009-9129-9·Zbl 1206.90224号 ·doi:10.1007/s11047-009-9129-9
[25] Nusawardhana，Zak SH（2004）动态优化问题的同时摄动极值搜索方法。2004年美国控制会议记录。IEEE出版社，皮西塔韦，2004年，第2805-2810页
[26] Shang RH，Jiao LC，Gong MG，Lu B（2005）动态多目标优化的克隆选择算法。摘自：Hao Y等人（编辑）2005年计算智能与安全LNCS国际会议论文集，第3801卷。柏林施普林格出版社，2005年，第846-851页
[27] Shang RH，Jiao LC，Liu F，Ma WP（2012）MO问题的新型免疫克隆算法。IEEE Trans Evolut计算16（1）：35-50·doi:10.1109/TEVC.2010.2046328
[28] 孙杰，方伟，帕拉德五世，吴晓杰，徐文斌（2011）基于高斯分布局部吸引子点的量子粒子群优化算法。应用数学计算218:3763-3775·Zbl 1244.65089号 ·doi:10.1016/j.amc.2011.09.021
[29] Ursem RK、Krink T、Jensen MT、Michalewicz Z（2002）动态系统中控制任务的分析和建模。IEEE Trans Evolut计算6（4）：378-389·doi:10.1109/TEVC.2002.802871
[30] Van Veldhuizen DA，Lamont GB（2000），关于测量多目标进化算法性能。进化计算大会（CEC 2000）。IEEE出版社，皮斯卡塔韦，第204-211页
[31] Wang YP，Dang CY（2008）动态多目标优化的进化算法。应用数学计算205（1）：6-18·Zbl 1157.65393号 ·doi:10.1016/j.amc.2008.05.151
[32] Wang HF，Yang SX，Ip WH，Wang DW（2010）用于动态优化问题的基于粒子群优化的模因算法。自然计算9（3）：703-725。doi:10.1007/s11047-009-9176-2·Zbl 1205.68498号 ·doi:10.1007/s11047-009-9176-2
[33] Woolley NC，MilanovićJV（2011）一种免疫系统启发的聚类和分类方法，用于检测电力网络中的关键区域。自然计算10（1）：305-333。doi:10.1007/s11047-010-9204-2·Zbl 1213.68129号 ·doi:10.1007/s11047-010-9204-2
[34] Yang DD，Jiao LC，Gong MG（2009）基于非支配解的自适应多目标优化。计算智能25（2）：84-108。网址：10.1111/j.1467-8640.2009.00332.x·doi:10.1111/j.1467-8640.2009.00332.x
[35] Zitzler E，Thiele L（2005）解决约束优化问题的简单多成员进化策略。IEEE Trans Evolut计算9（1）：1-17·doi:10.1109/TEVC.2004.836819
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。