Presorting as a method of acceleration of algorithms in multi-objective optimization problems

• Autorzy: Ameliańczyk A.

Warianty tytułu

PL

Presorting jako metoda przyspieszania działania algorytmów rozwiązywania zadań optymalizacji wielokryterialnej

• Języki publikacji: EN

Abstrakty

EN

The paper presents a method of algorithms acceleration for determining Pareto-optimal solutions (Pareto Front) multi-criteria optimization tasks, consisting of pre-ordering (presorting) set of feasible solutions. It is proposed to use the generalized Minkowski distance function as a presorting tool that allows build a very simple and fast algorithm Pareto Front for the task with a finite set of feasible solutions.

PL

W pracy przedstawiono metodę przyspieszania działania algorytmów wyznaczania rozwiązań Pareto-optymalnych (Frontu Pareto) zadań optymalizacji wielokryterialnej, polegającą na wstępnym uporządkowaniu (presortingu) zbioru rozwiązań dopuszczalnych. Zaproponowano zastosowanie uogólnionej funkcji odległości Minkowskiego jako narzędzia presortingu pozwalającego zbudować bardzo prosty i szybki algorytm wyznaczania Frontu Pareto dla zadań ze skończonym zbiorem rozwiązań dopuszczalnych.

Słowa kluczowe

EN

pareto Front; presorting; Minkowski metric

PL

front Pareto; presorting; metryka Minkowskiego

• Wydawca: Institute of Computer and Information Systems, Faculty of Cybernetics, Military University of Technology
• Czasopismo: Computer Science and Mathematical Modelling
• Rocznik: 2016
• Tom: No. 4
• Strony: 5--11
• Opis fizyczny: Bibliogr. 20 poz., tab, rys., wykr.

Twórcy

autor

Ameliańczyk A.

• Military University of Technology, Faculty of Cybernetics Institute of Computer and Information Systems Kaliskiego Str. 2, 00-908 Warsaw, Poland

Bibliografia

• 1. Ameljańczyk A., “Mathematical aspects of ranking theory”, Computer Science and Mathematical Modelling, No. 2, 5–10 (2015).
• 2. AmeljańczykA., “Pareto filter in the process of multi-label classifier synthesis in medical diagnostics support algorithms”, Computer Science and Mathematical Modelling, No. 1, 5–10 (2015).
• 3. Ameljańczyk A.,Tran Quang Ch., “Lexicographical binary implementation of the Recurrent Pareto Filter in categorization procedures”, Computer Science and Mathematical Modelling, No. 2, 11–15 (2015).
• 4. AmeljańczykA., Optymalizacja wielokryterialna w problemach sterowania i zarządzania, Ossolineum, Wrocław, 1984.
• 5. AmeljańczykA., Multiple optimization, WAT, Warszawa, 1986.
• 6. Ameljańczyk A., “Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe”, Biuletyn Instytutu Systemów Informatycznych, Nr12, 1–7 (2013).
• 7. Bouyssou D., Marchant T., “An axiomatic approach to noncompensatory sorting methods in MCDM, I: The case of two categories”, EJOR, 178(1), 217–245 (2007).
• 8. Brans J.P., Vincke Ph., “A preference ranking organization method: The PROMETHEE method for Multiple Criteria Decision-Making”, Management Science, Vol. 31, No. 6 ,647–656 (1985).
• 9. Du J.,Cai Z.,Chen Y., “A sorting Based Algorithm for Finding Non-Dominated Set in Multi-Objective Optimization”, ICNC Conference 2007.
• 10. Fang H., Wang Q., Tu Y-C., HorstemeyerM.F., “An efficient non-dominated sorting method for evolutionary algorithms”, Evolutionary Computation, Vol.16, No. 3, 355–384 (2008).
• 11. Gong M., Jiao L., Du H.,Bo L., “Multiobjective Immune Algorithm with Nondominated Neighbor-Based Selection”, Evolutionary Computation, Vol. 16, No. 2, 225–255 (2008).
• 12. Hamidreza E., Geiger C.D, “A fast Pareto genetic algorithm approach for solving expensive multiobjective optimization problems”, Journal of Heuristics, Vol. 14, No. 3, 203–241 (2008).
• 13. Deb K., Pratap A., Agarwal S., Meyarivan T.,“A fast and elitist multi-objectivegenetic algorithm: NSGA-II”, IEEE Transactions on Evolutionary Computation, Vol. 6, No. 2, 182–197 (2002).
• 14. Rasiowa H., Wstęp do matematyki współczesnej, PWN, Warszawa, 2005.
• 15. Saaty T.L., “Rank from comparisons and from ratings in the analytic hierarchy/network processes”, EJOR, 168(2), 557–570 (2006).
• 16. Riquelme N., Lucken C., Baran B., “Performance metrics in multi-objective optimization”, XLI Latin American Computing Conference (CLEI 2015).
• 17. SeoF., Sakawa M., Multiple Criteria Decision Analysis in Regional Planning, D. Reidel-Kluwer, Dordrech–Boston–Lancaster–Tokyo, 1988.
• 18. Tran QuangCh., “Procedures multi-criteria clustering data”, Master thesis, WAT, Warszawa, 2015.
• 19. YuP.L., Leitmann G., “Compromise solutions, domination structures and Salukwadze’s solution”, JOTA, Vol. 13, 14–21 (1974).
• 20. YuP.L., Leitmann G., “Nondominated decision and cone convexity in dynamicmulticriteria decision problems”, JOTA Vol.14, 195–203 (1974).

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.