General Tuning of Weights in MOEA/D

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F16%3A10333212" target="_blank" >RIV/00216208:11320/16:10333212 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/document/7743894/" target="_blank" >http://ieeexplore.ieee.org/document/7743894/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CEC.2016.7743894" target="_blank" >10.1109/CEC.2016.7743894</a>

Jazyk výsledku

angličtina

Název v původním jazyce

General Tuning of Weights in MOEA/D

Popis výsledku v původním jazyce

In decomposition based algorithms the quality of the resulting solutions depends on the weights used in the decomposition scheme. Usually the weights are generated in the beginning and remain fixed during the evolution, which may lead to poor distribution of solutions along the Pareto front. In this paper, we describe an extension of the popular MOEA/D algorithm which is able to tune the weights in order to find a set of solutions which maximizes a user specified objective. This adaptation is added as a new step to the algorithm which uses an approximation of the Pareto front to find suitable points in the objective space. These points are translated back into weights in such way to lead MOEA/D to find these points.

Název v anglickém jazyce

General Tuning of Weights in MOEA/D

Popis výsledku anglicky

In decomposition based algorithms the quality of the resulting solutions depends on the weights used in the decomposition scheme. Usually the weights are generated in the beginning and remain fixed during the evolution, which may lead to poor distribution of solutions along the Pareto front. In this paper, we describe an extension of the popular MOEA/D algorithm which is able to tune the weights in order to find a set of solutions which maximizes a user specified objective. This adaptation is added as a new step to the algorithm which uses an approximation of the Pareto front to find suitable points in the objective space. These points are translated back into weights in such way to lead MOEA/D to find these points.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA15-19877S" target="_blank" >GA15-19877S: Automatické modelování znalostí a plánů pro autonomní roboty</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2016 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION (CEC)

ISBN

978-1-5090-0622-9

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

965-972

Název nakladatele

IEEE

Místo vydání

NEW YORK

Místo konání akce

Vancouver

Datum konání akce

24. 7. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000390749101018