본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

파레토 지배순위와 밀도의 가중치를 이용한 다목적 최적화 진화 알고리즘
Evolutionary Multi - Objective Optimization Algorithms using Pareto Dominance Rank and Density Weighting

장수현   (명지대학교 대학원 컴퓨터공학과UU0000539  );
  • 초록

    진화 알고리즘은 여러 개의 상충하는 목적을 갖는 다목적 최적화 문제를 해결하기에 적합한 방법이다. 특히, 파레토 지배관계에 기초하여 개체의 적합도를 평가하는 파레토 기반 진화알고리즘들은 그 성능에 있어서 우수한 평가를 받고 있다. 최근의 파레토 기반 진화알고리즘들은 전체 파레토 프론트에 균일하게 분포하는 해집합의 생성을 위해 개체들의 밀도를 개체의 적합도를 평가하기 위한 하나의 요소로 사용하고 있다. 그러나 밀도의 역할은 전체 진화과정에서 중요한 요소가 되기보다는 파레토 프론트에 어느 정도 수렴된 후, 개체의 균일 분포를 만들기 위해 사용된다. 본 논문에서 우리는 파레토 지배 순위와 밀도에 대한 임의가중치를 적용한 다목적 최적화 진화알고리즘을 제안한다. 제안한 알고리즘은 진화 개체의 적합도를 평가하기 위해 파레토 순위와 밀도에 대한 임의의 가중치를 적용하므로 전체 진화과정에서 파레토 순위와 밀도가 비슷한 영향을 미치도록 하였다. 또한, 제안한 방법을 6개의 다목적 최적화 문제에 적용한 결과 비교적 우수한 결과를 보였다.


    Evolutionary algorithms are well-suited for multi-objective optimization problems involving several. often conflicting objective. Pareto-based evolutionary algorithms, in particular, have shown better performance than other multi-objective evolutionary algorithms in comparison. Recently, pareto-based evolutionary algorithms uses a density information in fitness assignment scheme for generating uniform distributed global pareto optimal front. However, the usage of density information is not Important elements in a whole evolution path but plays an auxiliary role in order to make uniform distribution. In this paper, we propose an evolutionary algorithms for multi-objective optimization which assigns the fitness using pareto dominance rank and density weighting, and thus pareto dominance rank and density have similar influence on the whole evolution path. Furthermore, the experimental results, which applied our method to the six multi-objective optimization problems, show that the proposed algorithms show more promising results.


  • 주제어

    다목적 최적화 .   진화알고리즘 .   파레토 최적해 .   파레토 지배순위 .   밀도.  

  • 참고문헌 (15)

    1. Eckart Zitzler and Lothar Thiele, 'Multiobjective optimization using evolutionary algorithms-a Comparative study,' In Parallel Problem Solving from Nature V, pp.292-301, 1998 
    2. Kalyanmoy Deb, 'Multi-Objective Genetic Algorithms: Problem Difficulties and Construction of Test Problems,' Evolutionary Computation, Vol.7, No.3, pp.205-230, 1999 
    3. Eckart Zitzler, Kalyanmoy Deb and Lothar Thiele, 'Comparison of Multiobjective Evolutionary Algorithms : Empirical Results,' Evolutionary Computation, Vol.8, No.2, pp.173-195, 2000 
    4. Carls M. Fonseca and Peter J. Fleming, 'Multiobjective Optimization and Multiple Constraint Handling with Evolutionary Algorithms-Part I: A Unified Formulation,' IEEE Transactions on Systems, Man, and Cybernetics, Part : Systems and Humans, Vol.28, No.1, pp.26-37, 1998 
    5. Christine L. Valenzuela, 'A Simple Evolutionary Algorithm for Multi-Objective Optimization(SEAMO),' in Congress on Evolutionary Computation(CEC'2002), Vol.1, pp.717-722, 2002 
    6. Carlos, A. Coello Coello and Nareli Cruz Cortes, 'Solving Multiobjective Optimization Problems using an Artificial Immune System,'Technical Report EVOCINV-05-2002, Evolutionary Computation Group at CINVESTAV, Kluwer Academic, 2002 
    7. Joshua D. Knowles and David W. Corne, 'Approximating the Nondominated Front Using the Pareto Archived Evolution Strategy,' Evolutionary Computation, Vol.8, No.2, pp.149-172, 2000 
    8. Kalyanmoy Deb, Samir Agrawal, Amrit Pratab, and T. Meyarivan, 'A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization : SGA-II,' Proceedings of the Parallel Problem Solving from Nature Ⅵ Conference, pp.849-858, Springer, 2000 
    9. Eckart Zitzler, Marco Laumanns and Lothar Thiele, 'SPEA2 : Improving the Strength Pareto Evolutionary Algorithm,' EUROGEN 2001, Evolutionary Methods for Design, Optimization and Control with Applications to Industrial Problems, pp.12-21, 2001 
    10. Jeffrey Horn and Nicholas Nafpliotis, 'Multiobjective Optimization using the Niched Pareto Ganetic Algorithm,' Technical Report IlliGAl Report 93005, University of Illinois at Urbana-Champaign, Urbana, Illinois, USA, 1993 
    11. N. Srinivas and Kalyanmoy Deb, 'Multiobjective Optimization Using Nondominated Sorting in Genetic Algorithms,' Evolutionary Computation, Vol.2, No.3, pp.221-248, 1994 
    12. M. P. Fourman, 'Compaction of Symbolic Layout using Genetic Algorithms,' In Genetic Algorithms and their Applications: Proceedings of the First International Conference on Genetic Algorithms, pp. 141-153, 1985 
    13. Frank Kursawe, 'A Variant of evolution strategies for vector optimization,' In Parallel Problem Solving from Nature, 1st Workshop, PPSN Ⅰ, volume 496 of Lecture Notes in Computer Science, pp.193-197, 1991 
    14. Carlos, M. Fonseca and Peter J. Fleming, 'Genetic Algorithms for Multiobjective Optimization : Formulation, Discussion and Generalization,' In Proceedings of the Fifth International Conference on Genetic Algorithms, pp.416-423, 1993 
    15. J. D. Schaffer, 'Multiple objective optimization with vector evaluated genetic algorithms,' In Genetic Algorithms and their Applications: Proceedings of the First International Conference on Genetic Algorithms, pp.93-100, 1985 

 저자의 다른 논문

  • 장수현 (2)

    1. 1998 "유전자알고리즘을 이용한 탐색공간분할 학습방법에 의한 규칙 생성" 정보처리논문지 = The transactions of the Korea Information Processing Society 5 (11): 2897~2907    
    2. 2004 "균일분포의 파레토 최적해 생성을 위한 다목적 최적화 진화 알고리즘" 정보처리학회논문지. The KIPS transactions. Part B. Part B b11 (7): 841~848    

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • NDSL :
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 이용한 콘텐츠
이 논문과 함께 출판된 논문 + 더보기