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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Comparative Analysis of Swarm-Based Metaheuristic Algorithms on Benchmark Functions Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Chebyshev Inequality Based Approach to Chance Constrained Optimization Problems Using Differential Evolution

verfasst von : Kiyoharu Tagawa, Shohei Fujita

Erschienen in: Advances in Swarm Intelligence

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

A new approach to solve Chance Constrained Optimization Problem (CCOP) without using the Monte Carlo simulation is proposed. Specifically, the prediction interval based on Chebyshev inequality is used to estimate a stochastic function value included in CCOP from a set of samples. By using the prediction interval, CCOP is transformed into Upper-bound Constrained Optimization Problem (UCOP). The feasible solution of UCOP is proved to be feasible for CCOP. In order to solve UCOP efficiently, a modified Differential Evolution (DE) combined with three sample-saving techniques is also proposed. Through the numerical experiments, the usefulness of the proposed approach is demonstrated.

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 Cooperation Coevolution Differential Evolution with Gradient Descent Strategy for Large Scale
Nächstes Kapitel Solving the Distributed Two Machine Flow-Shop Scheduling Problem Using Differential Evolution
Literatur
1.
Brest, J., Greiner, S., Bos̆ković, B., Merink, M., Z̆umer, V.: Self-adapting control parameters in differential evolution: a comparative study on numerical benchmark problems. IEEE Trans. Evol. Comput. 10(6), 646–657 (2006)CrossRef
2.
Jiekang, W., Jianquan, Z., Guotong, C., Hongliang, Z.: A hybrid method for optimal scheduling of short-term electric power generation of cascaded hydroelectric plants based on particle swarm optimization and chance-constrained programming. IEEE Trans. Power Syst. 23(4), 1570–1579 (2008)CrossRef
3.
Jin, Y., Branke, J.: Evolutionary optimization in uncertain environments. IEEE Trans. Evol. Comput. 9(3), 303–317 (2005)CrossRef
4.
Liu, B., Zhang, Q., Fernández, F.V., Gielen, G.G.E.: An efficient evolutionary algorithm for chance-constrained bi-objective stochastic optimization. IEEE Trans. Evol. Comput. 17(6), 786–796 (2013)CrossRef
5.
Michalewicz, Z., Schoenauer, M.: Evolutionary algorithms for constrained parameter optimization problems. Evol. Comput. 4(1), 1–32 (1996)CrossRef
6.
Park, T., Ryu, K.R.: Accumulative sampling for noisy evolutionary multi-objective optimization. In: Proceedings of the GECCO 2011, pp. 793–800 (2011)
7.
Poojari, C.A., Varghese, B.: Genetic algorithm based technique for solving chance constrained problems. Eur. J. Oper. Res. 185, 1128–1154 (2008)MathSciNetCrossRefMATH
8.
9.
Price, K.V., Storn, R.M., Lampinen, J.A.: Differential Evolution - A Practical Approach to Global Optimization. Springer, Heidelberg (2005)MATH
10.
Saw, J.G., Yang, M.C.K., Mo, T.C.: Chebyshev inequality with estimated mean and variance. Am. Stat. 38(2), 130–132 (1984)MathSciNet
11.
Tagawa, K.: Worst case optimization using Chebyshev inequality. In: Proceedings of BIOMA 2016, 173–185 (2016)
12.
Tagawa, K., Fujita, S.: Robust optimization based on Chebyshev inequality and accumulative sampling with reliability relaxation. Inf. Process. Soc. Jpn. Trans. Math. Model. Appl. 9(3), 75–86 (2016)
13.
Tagawa, K., Harada, S.: Multi-noisy-objective optimization based on prediction of worst-case performance. In: Dediu, A.-H., Lozano, M., Martín-Vide, C. (eds.) TPNC 2014. LNCS, vol. 8890, pp. 23–34. Springer, Cham (2014). doi:10.​1007/​978-3-319-13749-0_​3
14.
Takahama, T., Sakai, S.: Constrained optimization by the \(\varepsilon \) constrained differential evolution with gradient-based mutation and feasible elites. In: Proceedings of IEEE CEC 2006, pp. 1–8 (2006)
15.
Tempo, R., Calafiore, G., Dabbene, F.: Randomized Algorithms for Analysis and Control of Uncertain Systems: With Applications. Springer, Heidelberg (2012)MATH
Metadaten
Titel
Chebyshev Inequality Based Approach to Chance Constrained Optimization Problems Using Differential Evolution
verfasst von
Kiyoharu Tagawa
Shohei Fujita
Copyright-Jahr
2017
Buch
Advances in Swarm Intelligence

Print ISBN: 978-3-319-61823-4

Electronic ISBN: 978-3-319-61824-1

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-61824-1_48

Premium Partner

    Bildnachweise