Decomposition-based evolutionary computing in multicriteria optimization environment

• Autorzy: Ryoo J. , Hajela P.

Warianty tytułu

PL

Rachunek ewolucyjny w obszarze wielokryterialnej optymalizacji oparty na zagadnieniu dekompozycji

• Języki publikacji: EN

Abstrakty

EN

The paper presents strategies for implementing decomposition based genetic algorithms in multicriteria design optimization. The decomposition approach requires that the system design problem be partitioned into smaller sized subsystems, and the system solution obtained as a combination of the solutions from the subsystems. The absence of gradient information in a genetic algorithm based search strategy requires alternative methods for communicating the design information in different subsystems. Two newly developed methods referred to as experiental inheritance and interspecies migration were used to coordinate the solutions of subsystems in the decomposition based approach. Both the weighted sum and weighted minimax methods were explored in the solution to the multicriteria design problem. The proposed strategies were validated through implementation in representative algebraic and structural design problems.

PL

W pracy zaprezentowano metodę zastosowania genetycznych algorytmów opartych na zagadnieniu wielokryterialnej optymalizacji obiektu. Zagadnienie dekompozycji wymaga rozbicia danego zadania na mniejsze podproblemy i znalezienia cząstkowych rozwiązań, by w efekcie otrzymać rozwiązanie ogólne na podstawie wcześniej wyznaczonych cząstkowych. Brak gradientowego charakteru informacji w metodzie poszukiwania rozwiązania opartej na algorytmie genetycznym skłania do zastosowania alternatywnej metody przekazu informacji pomiędzy obszarami rozbitych grup problemowych. W zagadnieniu dekompozycji użyto dwie nowosformułowane metody określone mianem dziedziczenia eksperymentalnego i migracji międzygatunkowej. W poszukiwaniu rozwiązania zadania wielokryterialnej optymalizacji obiektu wykorzystano metody sumy ważonej i wartości min-max. Zaproponowane strategie postępowania zweryfikowano na reprezentatywnych modelach algebraicznych i projektowych.

Słowa kluczowe

EN

multi-criterion optimization; decomposition-based design

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
• Czasopismo: Journal of Theoretical and Applied Mechanics
• Rocznik: 2004
• Tom: Vol. 42 nr 3
• Strony: 609--628
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Ryoo J.

• Mechanical, Aerospace and Nuclear Engineering, Rensselaer Polytechnic Institute, Troy, NY

autor

Hajela P.

• Mechanical, Aerospace and Nuclear Engineering, Rensselaer Polytechnic Institute, Troy, NY

Bibliografia

• 1. Deb K., Pratap A., Agarwal S., Meyarivan T., 2002, A fast and elitist multi-objective genetic algorithm: NSGA-II, IEEE Transactions on Evolutionary Computation, 6, 2, 182-197
• 2. Fonseca C.M., Fleming P.J., 1995, An overview of evolutionary algorithms in multi-objective optimization, Evolutionary Computation, 3, 1, 1-6
• 3. Horn J., Nafploitis N., Goldberg D.E., 1994, A niched Pareto genetic algorithm for multi-objective optimization, Proceedings of the First IEEE Conference on Evolutionary Computation, 82-87
• 4. Pareto V., 1906, Manuale di Economica Politica, Sociera Editrice Libraria, Milano, Italy
• 5. Sobieszczanski-Sobieski J., Haftka R.T., 1997, Multidisciplinary aerospace design optimization: survey of recent developments, Structural Optimization, 14, 1-23
• 6. Srinivas N., Deb K., 1994, Multi-objective function optimization using nondominated sorting genetic algorithms, Evolutionary Computing, 2, 3, 221-248
• 7. Ryoo J., Hajela P., 2002, Genetic exchange mechanism for co-evolution in decomposition based design, 43rd AIAA/ASME/ASCE/AHS/ASC Structural Dynamics, and Materials Conf. Exhibit, Denver, Colorado
• 8. Zitzler E., Thiele L., 1999, Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach, IEEE Transactions on Evolutionary Computation, 3, 4, 257-271