Covariance Matrix Adaptation for Multi-objective Optimization

CMA-ES公司 分类 数学优化 进化策略 差异进化 进化算法 数学 选择(遗传算法) 多目标优化 最优化问题 计算机科学 算法 人工智能
作者
Christian Igel,Nikolaus Hansen,Stefan Roth
出处
期刊:Evolutionary Computation [MIT Press]
卷期号:15 (1): 1-28 被引量:753
标识
DOI:10.1162/evco.2007.15.1.1
摘要

The covariancematrix adaptation evolution strategy (CMA-ES) is one of themost powerful evolutionary algorithms for real-valued single-objective optimization. In this paper, we develop a variant of the CMA-ES for multi-objective optimization (MOO). We first introduce a single-objective, elitist CMA-ES using plus-selection and step size control based on a success rule. This algorithm is compared to the standard CMA-ES. The elitist CMA-ES turns out to be slightly faster on unimodal functions, but is more prone to getting stuck in sub-optimal local minima. In the new multi-objective CMAES (MO-CMA-ES) a population of individuals that adapt their search strategy as in the elitist CMA-ES is maintained. These are subject to multi-objective selection. The selection is based on non-dominated sorting using either the crowding-distance or the contributing hypervolume as second sorting criterion. Both the elitist single-objective CMA-ES and the MO-CMA-ES inherit important invariance properties, in particular invariance against rotation of the search space, from the original CMA-ES. The benefits of the new MO-CMA-ES in comparison to the well-known NSGA-II and to NSDE, a multi-objective differential evolution algorithm, are experimentally shown.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
木木木木完成签到,获得积分10
1秒前
doudou发布了新的文献求助10
1秒前
Hshi应助失眠夏山采纳,获得10
1秒前
老肥发布了新的文献求助10
2秒前
枫泾应助lyy采纳,获得10
2秒前
所所应助123采纳,获得10
2秒前
2秒前
李啊啊完成签到,获得积分10
2秒前
2秒前
正直花生发布了新的文献求助10
3秒前
4秒前
巨人的背影完成签到,获得积分10
5秒前
5秒前
顾矜应助番茄采纳,获得10
5秒前
Mary发布了新的文献求助10
5秒前
6秒前
6秒前
舒心的依风完成签到,获得积分10
7秒前
深情安青应助BJJ采纳,获得10
7秒前
qweerrtt完成签到,获得积分10
8秒前
干净惜蕊发布了新的文献求助10
8秒前
灵泽完成签到,获得积分10
8秒前
麦兜发布了新的文献求助10
8秒前
Japrin完成签到,获得积分10
8秒前
心屿完成签到,获得积分10
8秒前
李健应助Karen采纳,获得10
8秒前
NexusExplorer应助Cindy采纳,获得10
8秒前
St雪完成签到,获得积分10
8秒前
顾君如完成签到 ,获得积分10
8秒前
ycccccc发布了新的文献求助20
9秒前
朱佳宁完成签到 ,获得积分10
9秒前
cterf发布了新的文献求助10
9秒前
香蕉觅云应助yi111采纳,获得10
9秒前
可可发布了新的文献求助10
9秒前
含蓄含烟完成签到,获得积分10
9秒前
hqz完成签到,获得积分20
10秒前
三侠发布了新的文献求助10
10秒前
LMX发布了新的文献求助10
10秒前
晚湖发布了新的文献求助10
10秒前
10秒前
高分求助中
A Color Guide to the Petrography of Sandstones, Siltstones, Shales and Associated Rocks 2000
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3253551
求助须知:如何正确求助?哪些是违规求助? 2896110
关于积分的说明 8290161
捐赠科研通 2564844
什么是DOI,文献DOI怎么找? 1392604
科研通“疑难数据库(出版商)”最低求助积分说明 652230
邀请新用户注册赠送积分活动 629576