General Tuning of Weights in MOEA/D
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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