• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>ACM Computing Surveys >Many-Objective Evolutionary Algorithms: A Survey
【24h】

Many-Objective Evolutionary Algorithms: A Survey

机译：多目标进化算法：综述

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Multiobjective evolutionary algorithms (MOEAs) have been widely used in real-world applications. However, most MOEAs based on Pareto-dominance handle many-objective problems (MaOPs) poorly due to a high proportion of incomparable and thus mutually nondominated solutions. Recently, a number of many-objective evolutionary algorithms (MaOEAs) have been proposed to deal with this scalability issue. In this article, a survey of MaOEAs is reported. According to the key ideas used, MaOEAs are categorized into seven classes: relaxed dominance based, diversity-based, aggregation-based, indicator-based, reference set based, preference-based, and dimensionality reduction approaches. Several future research directions in this field are also discussed.
机译：多目标进化算法（MOEA）已在现实应用中广泛使用。但是，由于帕拉托占优的大多数MOEA都无法解决多目标问题（MaOP），这是由于存在大量不可比的，因此互不主导的解决方案。最近，已提出了许多多目标进化算法（MaOEA）来解决此可伸缩性问题。本文报道了对MaOEAs的调查。根据使用的关键思想，MaOEAs分为七类：基于宽松优势，基于多样性，基于聚集，基于指标，基于参考集，基于偏好和降维的方法。还讨论了该领域的一些未来研究方向。

著录项

  • 来源
    《ACM Computing Surveys》 |2016年第1期|13.1-13.35|共35页
  • 作者

    Li Bingdong; Li Jinlong; Tang Ke; Yao Xin;

  • 作者单位

    Univ Sci & Technol China Sch Comp Sci & Technol USTC Birmingham Joint Res Inst Intelligent Comput Hefei 230027 Anhui Peoples R China;

    Univ Birmingham Sch Comp Sci Ctr Excellence Res Computat Intelligence & Applic Birmingham B15 2TT W Midlands England;

  • 收录信息 美国《科学引文索引》(SCI);美国《工程索引》(EI);
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    Many-objective optimization; evolutionary algorithm; scalability;

    机译：多目标优化;进化算法可扩展性;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号