An Introduction to Multiobjective Simulation Optimization
An Introduction to Multiobjective Simulation Optimization
复制标题
多目标仿真优化简介
DOI：
10.1145/3299872
复制
发表时间：
2019
影响因子：
0.9
通讯作者：
Vivas-Valencia, Carolina
中科院分区：
文献类型：
--
作者：
Hunter, Susan R.;Applegate, Eric A.;Arora, Viplove;Chong, Bryan;Cooper, Kyle;Rincón-Guevara, Oscar;Vivas-Valencia, Carolina
多目标仿真优化（MOSO）问题是一个非线性多目标优化问题，其中多个同时存在且相互冲突的目标函数只能在随机误差下观测。我们提供了一个介绍MOSO在先进的教程水平，针对研究人员和从业者谁希望开始在这个新兴领域的工作。我们的重点是专门的MOSO方法，其特征在于整个有效的或帕累托最优的集合作为解决方案的MOSO问题，后来，这一套可以被用来作为输入到更广泛的多准则决策过程。我们对MOSO的介绍包括对现有理论、方法和可证明收敛的算法的概述，这些算法显式地控制了（1）有限集上的MOSO（称为多目标排序和选择）;（2）具有整数序决策变量的MOSO;（3）具有连续决策变量的MOSO。在整数序和连续决策变量的背景下，我们专注于可证明收敛到自然序下的局部有效集的方法。我们还讨论了在这个新兴领域仍然存在的关键开放问题。
The multiobjective simulation optimization (MOSO) problem is a nonlinear multiobjective optimization problem in which multiple simultaneous and conflicting objective functions can only be observed with stochastic error. We provide an introduction to MOSO at the advanced tutorial level, aimed at researchers and practitioners who wish to begin working in this emerging area. Our focus is exclusively on MOSO methods that characterize the entire efficient or Pareto-optimal set as the solution to the MOSO problem; later, this set may be used as input to the broader multicriteria decision-making process. Our introduction to MOSO includes an overview of existing theory, methods, and provably convergent algorithms that explicitly control sampling error for (1) MOSO on finite sets, called multiobjective ranking and selection; (2) MOSO with integer-ordered decision variables; and (3) MOSO with continuous decision variables. In the context of integer-ordered and continuous decision variables, we focus on methods that provably converge to a local efficient set under the natural ordering. We also discuss key open questions that remain in this emerging field.
登录
查看更多内容
DOI：
--
发表时间：
2011
期刊：
Online World Conference on Soft Computing in Industrial Applications
影响因子：
--
作者：
Z. Zabinsky;Wei Wang;Yanto Prasetio;A. Ghate;Joyce W. Yen
通讯作者：
Joyce W. Yen
DOI：
10.1109/wsc.2017.8247961
发表时间：
2017-12
期刊：
2017 Winter Simulation Conference (WSC)
影响因子：
--
作者：
K. Cooper;S. R. Hunter;K. Nagaraj
通讯作者：
K. Cooper;S. R. Hunter;K. Nagaraj
整数有序空间上的随机约束仿真优化：cgR-SPLINE 算法
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
K. Nagaraj
通讯作者：
K. Nagaraj
DOI：
10.1287/moor.2016.0796
发表时间：
2017
期刊：
Math. Oper. Res.
影响因子：
--
作者：
A. Engau
通讯作者：
A. Engau
第21章元启发法
DOI：
--
发表时间：
2006
期刊：
Simulation (San Diego, Calif.)
影响因子：
--
作者：
S. Ólafsson
通讯作者：
S. Ólafsson