Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Deep Learning Approach for Valve Defect Recognition in Heart Acoustic Signal Kapitel lesen Erstes Kapitel lesen

2018 | Supplement | Buchkapitel

An Evolutionary Optimization Method Based on Scalarization for Multi-objective Problems

verfasst von : Marcin Studniarski, Radhwan Al-Jawadi, Aisha Younus

Erschienen in: Information Systems Architecture and Technology: Proceedings of 38th International Conference on Information Systems Architecture and Technology – ISAT 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we perform some computational experiments on the new global scalarization method for multi-objective optimization problems. Its main idea is to construct, for a given multi-objective optimization problem, a global scalarization function whose values are non-negative real numbers. The points where the scalarization function attains the zero value are exactly weak Pareto stationary points for the original multi-objective problem.
We apply two different evolutionary algorithms to minimize the scalarization function; both of them are designed for solving scalar optimization problems. The first one is the classical Genetic Algorithm (GA). The second one is a new algorithm called Dissimilarity and Similarity of Chromosomes (DSC), which has been designed by the authors.
The computational results presented in this paper show that the DSC algorithm can find more minimizers of the scalarization function than the classical GA.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Neuro-Fuzzy System for Medium-Term Electric Energy Demand Forecasting
Nächstes Kapitel Measuring Cognitive Workload in Arithmetic Tasks Based on Response Time and EEG Features
Literatur
1.
Coello, C.A.C.: Evolutionary Algorithms for Solving Multi-Objective Problems, 2nd edn. Springer, Science+Business Media, LLC All, Heidelberg (2007)MATH
2.
Deb, K.: Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, New York (2001)MATH
3.
Michalewicz, Z.: Genetic Algorithms + Data Structures = Evolution Programs. Artificial Intelligence, 3rd edn. Springer, Heidelberg (1996)MATH
4.
Deb, K., Member, A., Pratap, A., Agarwal, S., Meyarivan, T.: A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans. Evol. Comput. 6(2), 182–197 (2002)CrossRef
5.
Rahmo, E., Studniarski, M.: A new global scalarization method for multiobjective optimization with an arbitrary ordering cone. Appl. Math. 8, 154–163 (2017)CrossRef
6.
Al-Jawadi, R., Studniarski, M., Younus, A.: A New Genetic Algorithm Based on Dissimilarities and Similarities. Submitted for publication
7.
Ehrgot, M., Gandibleux, X.: Multiple Criteria Optimization State of the Art Annoteted Bibligraphic Surveys. Kluwer Academic Publishers, Dordrecht (2003)
8.
Ehrgott, M.: Multicriteria Optimization. Springer, Berlin (2005)
9.
10.
Caramia, M., Dell’Olmo, P.: Multi-objective Optimization Managment in Freight Logistic Increasing Capacity (2008)
11.
Voß, T., Beume, N., Igel, C.: Scalarization versus indicator-based selection in multi-objective CMA evolution strategies. In: IEEE Congress on Evolutionary Computation, pp. 3036–3043. IEEE (2008)
12.
Man, K.F., Tang, K.S., Kwong, S.: Genetic algorithms: concepts and applications. IEEE Trans. Ind. Electron. 43(5), 519–534 (1996)CrossRef
13.
Chudasama, C.: Comparison of parents selection methods of genetic algorithm for TSP. In: International Conference on Computer Communications and Networks, CSI- COMNET, pp. 85–87 (2011)
14.
Iquebal, M.A.: Genetic Algorithms and their Applications: An Overview. Ph.D. Agricultural Stat. Roll No. 9068 I.A.S.R.I., Libr. Ave. New Delhi-110012, pp. 1–11
15.
Liang, Y., Leung, K.: Genetic Algorithm with adaptive elitist-population strategies for multimodal function optimization. Appl. Soft Comput. J. 11(2), 2017–2034 (2010)CrossRef
16.
Minami, M.: Weak Pareto-optimal necessary conditions in a nondifferentiable multiobjective program on a Banach space. J. Optim. Theory Appl. 41(3), 451–461 (1983)MathSciNetCrossRefMATH
17.
Clarke, F.H.: Optimization and Nonsmooth Analysis. Wiley, New York (1983)MATH
18.
Younus, A.: Converting a Multi-Objective Optimization Problem to a Single-Objective Optimization Problem by Using a New Scalarization Method. M.Sc. Thesis, University of Łódź (2016)
19.
Optimization Toolbox, User’s Guide. The MathWorks (2008)
20.
Metadaten
Titel
An Evolutionary Optimization Method Based on Scalarization for Multi-objective Problems
verfasst von
Marcin Studniarski
Radhwan Al-Jawadi
Aisha Younus
Copyright-Jahr
2018
Buch
Information Systems Architecture and Technology: Proceedings of 38th International Conference on Information Systems Architecture and Technology – ISAT 2017

Print ISBN: 978-3-319-67219-9

Electronic ISBN: 978-3-319-67220-5

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-67220-5_5