项目名称: 基于目标域分层的不确定高维多目标优化及其应用研究

项目编号: No.61300159

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 蔡昕烨

作者单位: 南京航空航天大学

项目金额: 23万元

中文摘要: 不确定高维多目标问题是智能优化领域面临的巨大挑战。现有的不确定多目标处理技术通过更改Pareto支配规则, 如Fuzzy dominance,对目标间的不确定性给予一定的容忍度,从而使优化算法具备较好的鲁棒性。然而,此类算法存在高维多目标、目标同等重要假设以及目标空间域结构关系的处理等诸多问题。本项目旨在利用先验的目标结构关系信息设计一种基于目标域分层的fuzzy dominance,并对此进行一系列的拓展研究。主要内容和目标为:1)通过先验的结构信息,将分层思想引入目标域空间的构造,设计基于目标域分层的fuzzy dominance,克服高维多目标等问题;2)将上述思想应用于优化算法的设计,设计一种新的不确定性高维多目标优化算法;3)应用上述算法于基于噪声数据的基因调控网络模型参数优化问题。

中文关键词: 高维多目标优化;帕里托前沿;不确定性;分解;排序

英文摘要: Uncertain many-objective problem is a major challenge in the field of intelligence optimization. Currently, most uncertainty handling techniques in multi-objective optimization, such as fuzzy dominance, are based on the modification of the Pareto dominance to give tolerance to the uncertainties when comparing solutions. In this way, the designed algorithm have the characteristics of robustness, to some level. Nonetheless, this type of algorithms have problems such as many objective, hypothesis of equal important objectives and the structural relation among objectives. This proposal aims to make use of structural information among objectives and design a relaxed form of Pareto dominance. The main content and objectives of this proposal are as follows: 1) use the concept of hierarchy in the construction of objective space through prior structural information and design the fuzzy dominance based on hierarchy of objectives, to overcome the many-objective, etc.; 2) extend the idea to the design of uncertain many-objective optimization algorithm; 3)apply the new algorithm to the parameters optimization of gene regulatory network models.

英文关键词: Many objective optimization;Pareto front;uncertainty;decomposition;sorting

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
39+阅读 · 2021年7月10日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
45+阅读 · 2020年11月13日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
领域应用 | 知识图谱的技术与应用
开放知识图谱
17+阅读 · 2018年6月14日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
A Multi-Objective Deep Reinforcement Learning Framework
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
39+阅读 · 2021年7月10日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
45+阅读 · 2020年11月13日
相关资讯
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
领域应用 | 知识图谱的技术与应用
开放知识图谱
17+阅读 · 2018年6月14日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员