파레토 지배순위와 밀도의 가중치를 이용한 다목적 최적화 진화 알고리즘
Evolutionary Multi-Objective Optimization Algorithms using Pareto Dominance Rank and Density Weighting
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
진화 알고리즘은 여러 개의 상충하는 목적을 갖는 다목적 최적화 문제를 해결하기에 적합한 방법이다. 특히, 파레토 지배관계에 기초하여 개체의 적합도를 평가하는 파레토 기반 진화알고리즘들은 그 성능에 있어서 우수한 평가를 받고 있다. 최근의 파레토 기반 진화알고리즘들은 전체 파레토 프론트에 균일하게 분포하는 해집합의 생성을 위해 개체들의 밀도를 개체의 적합도를 평가하기 위한 하나의 요소로 사용하고 있다. 그러나 밀도의 역할은 전체 진화과정에서 중요한 요소가 되기보다는 파레토 프론트에 어느 정도 수렴된 후, 개체의 균일 분포를 만들기 위해 사용된다. 본 논문에서 우리는 파레토 지배 순위와 밀도에 대한 임의가중치를 적용한 다목적 최적화 진화알고리즘을 제안한다. 제안한 알고리즘은 진화 개체의 적합도를 평가하기 위해 파레토 순위와 밀도에 대한 임의의 가중치를 적용하므로 전체 진화과정에서 파레토 순위와 밀도가 비슷한 영향을 미치도록 하였다. 또한, 제안한 방법을 6개의 다목적 최적화 문제에 적용한 결과 비교적 우수한 결과를 보였다.
Abstract
Evolutionary algorithms are well-suited for multi-objective optimization problems involving several, often conflicting objective. Pareto-based evolutionary algorithms, in particular, have shown better performance than other multi-objective evolutionary algorithms in comparison. Recently, pareto-based evolutionary algorithms uses a density information in fitness assignment scheme for generating uniform distributed global pareto optimal front. However, the usage of density information is not important elements in a whole evolution path but plays an auxiliary role in order to make uniform distribution. In this paper, we propose an evolutionary algorithms for multi-objective optimization which assigns the fitness using pareto dominance rank and density weighting, and thus pareto dominance rank and density have similar influence on the whole evolution path. Furthermore, the experimental results, which applied our method to the six multi-objective optimization problems, show that the proposed algorithms show more promising results.
참고문헌 (14)
- J. D. Schaffer, "Multiple objective optimization with vector evaluated genetic algorithms", pp.93~100 (1985)
- M. P. Fourman, "Compaction of Symbolic Layout using Genetic Algorithms", pp.141~153 (1985)
- Frank Kursawe, "A Variant of evolution strategies for vector optimization", ppsn i(496), pp.193~197 (1991)
- "Genetic Algorithms for Multiobjective Optimization：Formulation In Proceedings of the Fifth International Conference on Genetic Algorithms", pp.416~423 (1993), Carlos M. Fonseca and Peter J. Fleming
- Jeffrey Horn, "University of Illinois at Urbana-Champaign", illi(is) (1993)
- N. Srinivas, "Multiobjective Optimization Using Nondominated Sorting in Genetic Algorithms", 2(3), pp.221~248 (1994)
- Samir Agrawal, "A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization", pp.849~858 (2000), Proceedings of the Parallel Problem Solving from Nature VI Conference
- Carlos A. Coello Coello, "Solving Multiobjective Optimization Problems using an Artificial Immune System" (2002), Technical Report EVOCINV-05-2002, Evolutionary Computation Group at CINVESTAV, Kluwer Academic
- Joshua D. Knowles, "Approximating the Nondominated Front Using the Pareto Archived Evolution Strategy", 8(2), pp.149~172 (2000)
- Carlos M. Fonseca, "Multiobjective Optimization and Multiple Constraint Handling with Evolutionary Algorithms-Part I", 28(1), pp.26~37 (1998)
- Christine L. Valenzuela, "A Simple Evolutionary Algorithm for Multi-Objective Optimization", 1, pp.717~722 (2002)
- Kalyanmoy Deb, "Multi-Objective Genetic Algorithms", 7(3), pp.205~230 (1999)
- Eckart Zitzler,, "Comparison of Multiobjective Evolutionary Algorithms", 8(2), pp.173~195 (2000)
- Eckart Zitzler, "Multiobjective optimization using evolutionary algorithms - a Comparative study", pp.292~301 (1998)