会议

自然的并行问题解决

内容:《平行自然问题解决》是一个学术会议。会议主要发表在以下领域:进化算法和遗传算法。在整个生命周期中,会议共发表了1526篇论文,获得了56052次引用。
主题:进化算法遗传算法人口多目标优化优化问题
论文
多个过滤器

本章 DOI
9月18日
TL;博士:对5个困难测试问题的仿真结果表明,与PAES和SPEA这两个特别注重创建多样化pareto最优前沿的精英多目标EAs相比,所提出的NSGA-II在大多数问题中都能找到更好的解的扩散和更好的收敛性,接近真正pareto最优前沿。
文摘:使用非支配排序和共享的多目标进化算法主要因其(i) O(MN3)计算复杂度(其中M为目标数量,N为种群规模),(ii)非精英主义方法,以及(iii)需要指定共享参数而受到批评。在本文中,我们提出了一种基于非支配排序的多目标进化算法(我们称之为非支配排序GA-II或NSGA-II)来缓解上述三个困难。具体而言,提出了一种计算复杂度为O(MN2)的快速非支配排序方法。其次,提出了一个选择算子,该算子通过结合父种群和子种群并选择(关于适应度和传播)最佳N解来创建一个交配池。在五个困难的测试问题上的仿真结果表明,与PAES和SPEA这两个特别注重创建多样化帕累托最优前沿的精英多目标EAs相比,所提出的NSGA-II在大多数问题中都能找到更好的解的扩散和更好的收敛在真正帕累托最优前沿附近。由于NSGA-II的低计算需求,精英方法和无参数共享方法,NSGA-II应该在未来几年找到越来越多的应用。

4442年引用


本章 DOI
籍Zitzler 1洛萨蒂埃尔 1 机构(1
一九九八年九月二十七日
TL;博士:本文对一个扩展的0/1背包问题,应用四种多目标进化算法进行了广泛的定量比较。
文摘:自1985年以来,多目标优化的各种进化方法已经发展起来,能够在一次运行中同时搜索多个解决方案。但是,迄今为止对不同方法的少数比较研究大多是定性的,而且仅限于两种方法。本文对一个扩展的0/1背包问题,应用四种多目标进化算法进行了广泛的定量比较。

2187年引用


本章 DOI
籍Zitzler 1西蒙Kunzli 1 机构(1
九月十八日
文摘:本文讨论了如何在一般情况下将决策者的偏好信息集成到多目标搜索中。主要思想是首先根据二进制性能度量(指标)定义优化目标,然后直接在选择过程中使用该度量。为此,我们提出了一种通用的基于指标的进化算法(IBEA),它可以与任意指标相结合。与现有算法相比,IBEA可以适应用户的偏好,而且不需要使用任何额外的多样性保存机制,如适应度共享。在几个连续和离散的基准问题上表明,IBEA可以在不同性能度量方面显著改进由两种流行算法(NSGA-II和SPEA2)生成的结果。

1573年引用


本章 DOI
米切尔·a·波特 1肯尼思·德容 1 机构(1
1994年10月9日
TL;博士:提出了合作物种共同进化的一般模型,并提出了一种进化复杂结构如神经网络和规则集的新方法。
文摘:提出了合作物种共同进化的一般模型。该模型在函数优化领域进行了实例化和测试,并与传统的基于ga的函数优化器进行了比较。研究结果在两个方面令人鼓舞。他们提出了改进GA和其他基于ea的优化器性能的方法,并提出了一种进化复杂结构(如神经网络和规则集)的新方法。

1345年引用


本章 DOI
一九九六年九月二十二日
TL;博士:问题就是问题,研究了性别重组的几种修正,从而引出了基于估计有希望点分布的边缘分布算法,从而引出了更复杂的方法。
文摘:繁殖者遗传算法(BGA)是基于对选择的响应方程。为了使用该方程进行预测,必须估计总体的适应度方差。对于通常的性重组来说,计算起来很困难。在本文中,我们简要地说明了这个问题,并研究了几种性别重组的修饰。第一种方法是基因库重组,这导致边际分配算法。在本文的最后部分,我们讨论了基于估计有希望点分布的更复杂的方法。

1228年引用


网络信息
相关会议(5)
遗传与进化计算会议

9 k论文135.4 k引用

95%相关
进化计算大会

9.1 k论文170.9 k引用

93%相关
IEEE进化计算国际会议

1 k论文43 k引用

90%相关
遗传算法国际会议

524论文60.3 k引用

89%相关
人工神经网络国际会议

5.8 k论文59.9 k引用

85%相关
性能
指标
不。会议前几年的文件
一年 论文
2020 101
2018 81
2016 95
2014 95
2012 106
2010 129