PlatEMO:进化多目标优化的MATLAB平台[教育论坛]

@第{天2017PlateMOAM,title={PlatEMO:进化多目标优化的MATLAB平台[教育论坛]},author={叶田、冉成、张兴义、金耀初},journal={IEEE计算智能杂志},年份={2017年},体积={12},页数={73-87},网址={https://api.semanticscholar.org/CorpusID:17530744}}
介绍了PlatEMO的主要特性,并说明了如何使用它进行比较实验、嵌入新算法、创建新的测试问题以及开发性能指标。

询问这篇论文
AI供电

进化多目标优化的基准测试套件

本文仔细选择(或修改)了15个具有不同性质的测试问题,构建了一个基准测试集,旨在通过提出一组能够很好地表示各种真实场景的测试问题来促进进化多目标优化(EMaO)的研究。

基于Pareto的EA求解多目标优化问题综述

本研究对文献中用于求解MOEA的各种基于帕累托的有效方法进行了批判性审查。

PlatEMO中多目标进化算法的加速技术

本文全面介绍了多目标进化算法,包括新的非支配排序方法、矩阵计算和并行计算。

一种简单的多模态多目标优化进化算法

本文介绍了一种用于求解MMOP的稳态进化算法,与标准EA相比,该算法设计简单,不需要额外的用户定义参数,并且表现出比基于已建立度量的最新算法更好的性能。

使用PlatEMO解决应用中的多目标优化问题:特征选择的案例研究

通过对机器学习和数据挖掘中重要而困难的特征选择问题的案例研究,说明了使用最新版本的PlatEMO解决应用中MOP的方法。

多目标进化算法在简单和困难多目标测试问题上的性能比较

本文通过对一个最近提出的无距离函数的困难测试问题的计算实验,检验了多目标进化算法的性能,并表明对于具有距离函数的简单测试问题和困难测试问题,得到了完全不同的比较结果。

CGDE3:一种求解大规模多目标优化问题的高效中心算法

为了解决大规模多目标优化问题,提出了基于中心变异的第三广义差分进化(CGDE3)算法;事实上,这种基于时间中心的采样方案不仅在种群初始化阶段,而且在优化过程中得到了应用。
...

基于进化算法的多目标优化

    K.Deb公司
    工程、计算机科学
  • 2001
本文很好地介绍了进化算法在多目标优化中的应用,允许作为研究生课程文本或用于自学。

大规模多目标多目标优化的测试问题

实证结果表明,虽然比较的算法在处理测试问题中的挑战方面表现出略有不同的能力,但没有一种算法能够有效地解决这些优化问题,呼吁开发新的EA,专门用于大规模多目标和多目标优化。

多目标测试问题及可扩展测试问题工具包综述

本文系统地回顾和分析了EA文献中的许多问题,每个问题都属于实值、无约束、多目标测试问题的重要类别,并提出了一个用于构建设计良好的测试问题的灵活工具包。

进化多目标优化的混合开发平台

本文介绍了一个优化模板库(OTL),一个用于多目标优化的跨平台C++模板库,它允许不同的模块可以任意组合,并具有面向对象的体系结构。

ParEGO:一种用于昂贵多目标优化问题的在线横向近似混合算法

结果表明,NSGA-II是一种流行的多目标进化算法,与随机搜索相比,即使在使用的评估数量有限的情况下,其性能也很好。

基于参考方向的多目标多目标优化强度Pareto进化算法

通过引入有效的基于参考方向的密度估计器、新的适应值分配方案和新的环境选择策略,恢复了早期开发的、计算成本高昂的基于强度Pareto的进化算法,以处理多目标和多目标问题。

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:求解带方框约束的问题

提出了一种基于参考点的多目标进化算法,该算法强调非支配但接近一组提供的参考点的种群成员,发现该算法对本文考虑的所有问题都能产生令人满意的结果。

遗传算法中非支配排序的多目标优化

研究了Goldberg在遗传算法中的非支配排序概念以及同时发现多个Pareto-optimal点的小生境和物种形成方法,并建议将其推广到更高维和更困难的多目标问题。

基于分解的多目标算法的性能强烈依赖于Pareto前沿形状

结果表明,DTLZ和WFG问题公式的微小变化会使这些算法的性能下降,并解释了性能下降的原因。
...