Apr, 2024

使用三目标进化算法求解动态禁制条件背包问题

PDF
TL;DR研究探讨应用三目标进化算法解决具有随机和动态约束的背包问题，通过将体重和背包容量建模为随机和动态组成部分，与二目标公式相比，三目标公式在应对动态背包问题中具有明显优势。
stochasticdynamicevolutionary algorithms3-objective formulationchance constrained knapsack problem
发现论文，激发创造
  • 带概率约束问题的三目标帕累托优化

    本文研究了使用三目标公式来解决具有机会约束的问题，证明该公式在处理确定性基数约束时只需进行 1 位翻转即可计算所有所需的权衡，并且在实验中检验了其在优化支配集问题中的好处。

    Apr, 2023

  • 随机人口更新在多目标进化算法中可以被证明是有帮助的

    本文研究如何在多目标进化算法中引入随机性，证明了将确定性的种群更新机制替换为随机性机制可以使算法的运行时间指数级减少，实验证明了这个提出的方法的有效性。

    Jun, 2023

  • 多目标进化算法中组件效应对算法行为的影响

    研究使用自动设计的算法对多目标进化算法进行了效果评估，通过比较搜索轨迹网络、种群的多样性和任意时刻的超体积值，发现算法组件对于不同问题具有不同的影响。

    Jul, 2023

  • 基于存档的单目标进化算法在子模规化优化问题上的应用

    我们首次引入了单目标算法，其可成功用于不同类别的约束子模拟最大化问题，并通过增加搜索空间的可行区域来处理这些问题。

    Jun, 2024

  • 多目标进化算法优化子模函数或单调近似子模函数

    本论文研究基于多目标进化算法 GSEMO-C 的子模最大化问题（包括有 / 无大小约束的子模函数最大化问题，以及有大小约束的单调逼近子模函数最大化问题），证明了该算法可以在多项式期望运行时间内实现很好的近似效果。

    Nov, 2017

  • 分解式进化算法分析与克服复杂多目标优化中的局部最优点

    综合几何分析，我们发现传统的参考点选择方法对于解决复杂的多目标优化问题中的局部最优问题具有基础性的作用。为了应对这一问题，我们引入了一种创新的参考点选择策略，即权重向量引导和高斯混合方法，旨在克服局部最优问题。通过对 14 种算法进行实验验证和一系列实证测试，我们的方法在人口多样性和收敛性方面取得了显着的改进。

    Apr, 2024

  • 表观遗传阻断对动态多目标优化问题的影响

    本文研究了在动态多目标优化问题中应用表观遗传机制对现有多目标遗传算法 MOEA/D-DE 的性能进行了比较，并提供了初步的实验证据表明，更多的算法应该探索自然界中丰富的表观遗传机制。

    Nov, 2022

  • 滑动窗口 3 目标帕累托优化问题中的机会约束

    使用滑动窗口方法改进了三目标问题求解，提高了运行效率并保持了相同的近似保证。

    Jun, 2024

  • 可学习演化算法在可扩展多目标优化中的调查

    本研究论文总结了最近学习型多目标进化算法在解决不同尺度多目标优化问题中的进展和挑战，并提供了四个有吸引力的方向，即用于环境选择的可学习进化鉴别器，用于繁殖的可学习进化生成器，用于函数评估的可学习进化评估器，以及用于共享或重复使用优化经验的可学习进化传输模块，作为这一领域的努力的参考。

    Jun, 2022

  • 多目标进化算法搜索轨迹网络

    本文研究多目标进化算法（MOEAs）的搜索动态，并将 STN 模型应用于两种常用算法（MOEA/D 和 NSGA-II）的分析，结果表明我们可以通过 STNs 来提高 MOEA 的算法分析。

    Jan, 2022