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:
On the Effect of Scalarising Norm Choice in a ParEGO implementation Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Angle-Based Preference Models in Multi-objective Optimization

verfasst von : Marlon Braun, Pradyumn Shukla, Hartmut Schmeck

Erschienen in: Evolutionary Multi-Criterion Optimization

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Solutions that provide a balance between different objective values in multi-objective optimization can be identified by assessing the curvature of the Pareto front. We analyze how methods based on angles have been utilized in the past for this task and propose a new angle-based measure—angle utility—that ranks points of the Pareto front irrespective of its shape or the number of objectives. An algorithm for finding angle utility optima is presented and a computational study shows that this algorithm is successful in identifying angle utility optima.

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 The Multiobjective Shortest Path Problem Is NP-Hard, or Is It?
Nächstes Kapitel Quantitative Performance Assessment of Multiobjective Optimizers: The Average Runtime Attainment Function
Fußnoten
Literatur
1.
Agrawal, R.B., Deb, K.: Simulated binary crossover for continuous search space. Complex Syst. 9(3), 1–15 (1994)MathSciNetMATH
2.
Batista, L.S., Campelo, F., Guimarães, F.G., Ramírez, J.A.: Pareto cone \(\epsilon \)-dominance: improving convergence and diversity in multiobjective evolutionary algorithms. In: Takahashi, R.H.C., Deb, K., Wanner, E.F., Greco, S. (eds.) EMO 2011. LNCS, vol. 6576, pp. 76–90. Springer, Heidelberg (2011)CrossRef
3.
4.
Branke, J., Deb, K., Miettinen, K., Slowinski, R. (eds.): Multiobjective optimization: interactive and evolutionary approaches. Springer, Heidelberg (2008)MATH
5.
Braun, M., Dengiz, T., Mauser, I., Schmeck, H.: Comparison of multi-objective evolutionary optimization in smart building scenarios. In: Squillero, G., Burelli, P. (eds.) EvoApplications 2016. LNCS, vol. 9597, pp. 443–458. Springer, Heidelberg (2016). doi:10.​1007/​978-3-319-31204-0_​29 CrossRef
6.
Braun, M.A., Shukla, P.K., Schmeck, H.: Preference ranking schemes in multi-objective evolutionary algorithms. In: Takahashi, R.H.C., Deb, K., Wanner, E.F., Greco, S. (eds.) EMO 2011. LNCS, vol. 6576, pp. 226–240. Springer, Heidelberg (2011). doi:10.​1007/​978-3-642-19893-9_​16 CrossRef
7.
Coello Coello, C., Lamont, G., Van Veldhuizen, D.: Evolutionary Algorithms for Solving Multi-Objective Problems. Springer, Heidelberg (2007)MATH
8.
Deb, K., Goyal, M.: A combined genetic adaptive search (GeneAS) for engineering design. Comput. Sci. Info. 26, 30–45 (1996)
9.
Deb, K., Gupta, S.: Understanding knee points in bicriteria problems and their implications as preferred solution principles. Eng. Optim. 43(11), 1175–1204 (2011)MathSciNetCrossRef
10.
Deb, K., Jain, H.: An evolutionary many-objective optimization algorithm using reference-point-based nondominated sorting approach, part I: solving problems with box constraints. IEEE Trans. Evol. Comput. 18(4), 577–601 (2014)CrossRef
11.
Deb, K., 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
12.
Deb, K., Thiele, L., Laumanns, M., Zitzler, E.: Scalable test problems for evolutionary multiobjective optimization. In: Jain, L., Wu, X., Abraham, A., Jain, L., Goldberg, R. (eds.) Evol. Multiobjective Optim. Advanced Information and Knowledge Processing, pp. 105–145. Springer, London (2005)CrossRef
13.
Emmerich, M., Deutz, A., Kruisselbrink, J., Shukla, P.K.: Cone-based hypervolume indicators: construction, properties, and efficient computation. In: Purshouse, R.C., Fleming, P.J., Fonseca, C.M., Greco, S., Shaw, J. (eds.) EMO 2013. LNCS, vol. 7811, pp. 111–127. Springer, Heidelberg (2013). doi:10.​1007/​978-3-642-37140-0_​12 CrossRef
14.
Emmerich, M.T., Deutz, A.H.: Test problems based on Lamé superspheres. In: Coello, C.A.C., Aguirre, A.H., Zitzler, E. (eds.) EMO 2005. LNCS, vol. 3410. Springer, Heidelberg (2005)CrossRef
15.
Greco, S., Ehrgott, M., Figueira, J. (eds.): Multiple Criteria Decision Analysis: State of the Art Surveys. Springer, New York (2016)MATH
16.
Marler, R.T., Arora, J.S.: Survey of multi-objective optimization methods for engineering. Struct. Multidisciplinary Optim. 26(6), 369–395 (2004)MathSciNetCrossRefMATH
17.
Pareto, V.: Cours d’économie politique. Librairie Droz (1896)
18.
Shukla, P.K., Braun, M.A., Schmeck, H.: Theory and algorithms for finding knees. In: Purshouse, R.C., Fleming, P.J., Fonseca, C.M., Greco, S., Shaw, J. (eds.) EMO 2013. LNCS, vol. 7811, pp. 156–170. Springer, Heidelberg (2013). doi:10.​1007/​978-3-642-37140-0_​15 CrossRef
19.
Sudeng, S., Wattanapongsakorn, N.: Adaptive geometric angle-based algorithm with independent objective biasing for pruning pareto-optimal solutions. In: 2013 Science and Information Conference (SAI), pp. 514–523 (2013)
20.
Zitzler, E., Deb, K., Thiele, L.: Comparison of multiobjective evolutionary algorithms: empirical results. Evol. Comput. 8(2), 173–195 (2000)CrossRef
Metadaten
Titel
Angle-Based Preference Models in Multi-objective Optimization
verfasst von
Marlon Braun
Pradyumn Shukla
Hartmut Schmeck
Copyright-Jahr
2017
Buch
Evolutionary Multi-Criterion Optimization

Print ISBN: 978-3-319-54156-3

Electronic ISBN: 978-3-319-54157-0

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-54157-0_7