A Knee Point-Driven Evolutionary Algorithm for Many-Objective Optimization

Evolutionary algorithms (EAs) have shown to be promising in solving many-objective optimization problems (MaOPs), where the performance of these algorithms heavily depends on whether solutions that can accelerate convergence toward the Pareto front and maintaining a high degree of diversity will be...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on evolutionary computation Ročník 19; číslo 6; s. 761 - 776
Hlavní autoři:	Zhang, Xingyi, Tian, Ye, Jin, Yaochu
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.12.2015 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Convergence diversity Evolutionary computation Evolutionary multi-objective optimization hypervolume knee point many-objective optimization Measurement Optimization Pareto optimization Production scheduling Sociology evolutionary multiobjective optimization many-objective optimization diversity hypervolume (HV) knee point Convergence
ISSN:	1089-778X, 1941-0026
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!