Dynamic Selection Preference-Assisted Constrained Multiobjective Differential Evolution
Dynamic Selection Preference-Assisted Constrained Multiobjective Differential Evolution
复制标题
动态选择偏好辅助约束多目标差分进化
DOI：
10.1109/tsmc.2021.3061698
复制
发表时间：
2021-03
期刊：
影响因子：
--
通讯作者：
Caitong Yue
中科院分区：
文献类型：
--
作者：
Kunjie Yu;Jing Liang;Boyang Qu;Yong Luo;Caitong Yue
求解约束多目标优化问题给进化算法带来了很大的挑战，因为它同时需要在多个相互冲突的目标函数之间进行优化，同时需要满足多个约束条件。因此，如何调整目标函数和约束之间的权衡是至关重要的。在这篇文章中，我们提出了一个动态选择偏好辅助约束多目标差分进化（DE）算法。在我们的方法中，每个人的选择偏好是适当的切换，从目标函数的约束作为进化过程。具体而言，在不考虑任何约束条件的情况下，基于Pareto优势原理提取目标函数信息，通过探索可行域和不可行域来保持算法的收敛性和多样性;基于约束优势原理提取约束信息，提高算法的可行性。然后，在这两种信息的权衡动态调整，强调利用目标函数在早期阶段，并在后期阶段的约束为重点。此外，为了产生有前途的后代，两个DE算子具有不同的特点被选为搜索算法的组件。在4个测试集上的实验表明，该方法具有上级或至少有竞争力的性能，与其他成熟的方法相比。
Solving constrained multiobjective optimization problems brings great challenges to an evolutionary algorithm, since it simultaneously requires the optimization among several conflicting objective functions and the satisfaction of various constraints. Hence, how to adjust the tradeoff between objective functions and constraints is crucial. In this article, we propose a dynamic selection preference-assisted constrained multiobjective differential evolutionary (DE) algorithm. In our approach, the selection preference of each individual is suitably switching from the objective functions to constraints as the evolutionary process. To be specific, the information of objective function, without considering any constraints, is extracted based on Pareto dominance to maintain the convergence and diversity by exploring the feasible and infeasible regions; while the information of constraint is used based on constrained dominance principle to promote the feasibility. Then, the tradeoff in these two kinds of information is adjusted dynamically, by emphasizing the utilization of objective functions at the early stage and focusing on constraints at the latter stage. Furthermore, to generate the promising offspring, two DE operators with distinct characteristics are selected as components of the search algorithm. Experiments on four test suites including 56 benchmark problems indicate that the proposed method exhibits superior or at least competitive performance, in comparison with other well-established methods.
登录
查看更多内容
影响因子：
14.3
作者：
Jain, Himanshu;Deb, Kalyanmoy
通讯作者：
Deb, Kalyanmoy
DOI：
10.4337/9781783474684.00062
发表时间：
2019
期刊：
Concepts for International Law
影响因子：
--
作者：
Mario Prost
通讯作者：
Mario Prost
一种具有可行指导策略的修正目标函数方法来解决约束多目标优化问题
影响因子：
8.7
作者：
Licheng JIao;Juanjuan Luo;Ronghua Shang;Fang Liu
通讯作者：
Fang Liu
DOI：
10.1016/j.asoc.2013.10.008
发表时间：
2014
期刊：
Appl. Soft Comput.
影响因子：
--
作者：
L. Jiao;Juanjuan Luo;Ronghua Shang;Fang Liu
通讯作者：
L. Jiao;Juanjuan Luo;Ronghua Shang;Fang Liu
可重构实时系统便携式开发的多目标优化方法：从规范到实现
DOI：
10.1109/tsmc.2017.2781460
发表时间：
2019-03
影响因子：
8.7
作者：
Lakhdhar Wafa;Mzid Rania;Khalgui Mohamed;Li Zhiwu;Frey Georg;Al-Ahmari Abdulrahman
通讯作者：
Al-Ahmari Abdulrahman