.png){kind=icon}
返回
A Novel Neural Network Model and Two New Algorithms for Solving Multiobjective Linear Optimization Problems
.png){kind=icon}
PRE
AI
DOI：10.1002/nme.7670.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，通过一个新的神经网络（NN）模型来近似多目标线性优化问题（MLOPs）的帕累托前沿。卡鲁什-库恩-塔克（KKT）最优性条件被应用于构建该神经网络模型。与文献中现有的模型相比，所提出的方法采用了主MLOP的KKT最优性条件，而非与MLOP相关的标量化问题。证明了所建议的NN模型在李雅普诺夫意义下的稳定性。此外，还表明所提出的NN能够全局收敛到主MLOP的一个有效解。此外，我们提出了两种算法，用于获取双目标及三目标优化问题帕累托前沿上分布均匀的非支配点。在所建议的算法中，我们应用了一些过滤器以实现对帕累托前沿的均匀近似。提供了说明性结果，以阐明所引入模型对不同类别MLOPs的有效性和性能。数值结果符合所提出的理论方面。为了与其他方法进行比较，采用了三个指标，包括超体积（HV）、间距和均匀分布（EV）。最后，我们将所提出的思路应用于汽车工程领域跨国公司的可持续发展。
Keyword:
efficient solution
multiobjective linear optimization
neural network model
Pareto front
stability
期刊
IF:
2.9
论文数:
474
被引数:
2.2W
机构
引用论文
Normal Constraint Method with Guarantee of Even Representation of Complete Pareto Frontier.png)
AIAA Journal
AIAA JournalIF0
PREAI
分享收藏Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏A swarm exploring neural dynamics method for solving convex multi-objective optimization problemNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Circular Economy - A challenge and an opportunity for Process Systems Engineering循环经济-过程系统工程的挑战和机遇
OAAI
OAAI分享收藏分享收藏An efficient projection neural network for solving bilinear programming problemsNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容