基于自动偏好的多目标进化算法及其在车队维护调度优化中的应用
神经与进化计算
2021-01-26 v1
摘要
提出了一种基于偏好的多目标进化算法，用于在自动检测的拐点区域生成解。该算法命名为基于自动偏好的DI-MOEA（AP-DI-MOEA），其中DI-MOEA代表基于多样性指标的多目标进化算法（Diversity-Indicator based Multi-Objective Evolutionary Algorithm）。AP-DI-MOEA有两个主要特点：首先，在优化过程中自动生成偏好区域；其次，将解集集中于该偏好区域。此外， formulated了真实世界车队维护调度优化（VFMSO）问题，并提出了一种定制的多目标进化算法（MOEA），基于汽车部件预测故障分布优化车队维护计划。进而，将VFMSO的定制MOEA与AP-DI-MOEA结合，在自动生成的偏好区域中寻找维护计划。在多目标基准问题及三个目标真实应用问题上的实验结果表明，新提算法能准确生成偏好区域，并在该区域获得更优解。尤其在多数情况下，相同预算下AP-DI-MOEA获得的帕累托最优解支配追求整个帕累托前沿的MOEA所得解。
引用
@article{arxiv.2101.09556,
title = {Automatic Preference Based Multi-objective Evolutionary Algorithm on Vehicle Fleet Maintenance Scheduling Optimization},
author = {Yali Wang and Steffen Limmer and Markus Olhofer and Michael Emmerich and Thomas Baeck},
journal= {arXiv preprint arXiv:2101.09556},
year = {2021}
}