کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4947927 1439599 2017 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Set-based many-objective optimization guided by a preferred region
ترجمه فارسی عنوان
بهینه سازی چند منظوره مبتنی بر مجموعه بر اساس یک منطقه مورد نظر هدایت می شود
کلمات کلیدی
ترجمه چکیده
بهینه سازی تکاملی مبتنی بر مجموعه ای مبتنی بر شاخص های عملکرد یکی از روش های موثر برای حل مسائل بهینه سازی بسیاری از اهداف است. با این حال، اطلاعات ترجیحی فضای هدف بزرگ بعدی هنوز برای هدایت تکامل جمعیت استفاده نشده است. در این مقاله، ما یک الگوریتم تکاملی چند منظوره مبتنی بر مجموعه مبتنی بر یک منطقه مورد نظر را پیشنهاد می دهیم. در تکامل مبتنی بر مجموعه، منطقه مورد نظر یک فضای هدف بزرگ بعدی به صورت پویا تعیین شده است، استراتژی انتخاب در مجموعه با ترکیب تسلط پارتو در مجموعه با منطقه مورد نظر طراحی شده است، و اپراتورهای متقاطع در مجموعه های هدایت شده توسط بالاتر از منطقه ترجیح داده شده برای تولید یک جبهه پارتو با عملکرد برتر. روش پیشنهادی برای چهار مسئله بهینه سازی چند هدفه و یک مسئله بهینه سازی طراحی مهندسی در دنیای واقعی مورد استفاده قرار می گیرد و نتایج تجربی تجربی اثربخشی آن را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
بهینه سازی چند منظوره مبتنی بر مجموعه بر اساس یک منطقه مورد نظر هدایت می شود
چکیده انگلیسی
Set-based evolutionary optimization based on performance indicators is one of effective methods to solve many-objective optimization problems. However, preference information of a high-dimensional objective space has not yet been fully used to guide the evolution of a population. In this paper, we propose a set-based many-objective evolutionary algorithm guided by a preferred region. In the set-based evolution, the preferred region of a high-dimensional objective space is dynamically determined, a selection strategy on sets by combining the Pareto dominance on sets with the above preferred region is designed, and the crossover operators on sets guided by the above preferred region are developed to produce a Pareto front with superior performances. The proposed method is applied to four benchmark many-objective optimization problems and a real-world engineering design optimization problem, and the experimental results empirically demonstrate its effectiveness.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 228, 8 March 2017, Pages 241-255
نویسندگان
, , , ,