KHO THƯ VIỆN 🔎

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

➤  Gửi thông báo lỗi    ⚠️ Báo cáo tài liệu vi phạm

Loại tài liệu:     PDF
Số trang:         145 Trang
Tài liệu:           ✅  ĐÃ ĐƯỢC PHÊ DUYỆT
 













Nội dung chi tiết: (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu many-objective optimizationDOCTORAL THESIS IN MATHEMATICSHanoi - 2022MINISTRY 0E EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL

ACADEMYNGUYEN XU AN HUNGObjective reduction methods in evolutionary many-objective optimizationMajor: Mathematical Foundation for Informatics Code: 9 (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

46 01 10DOCTORAL THESIS IX MATHEMATICSSUPERVISOR: Assoc.Prof., Dr. Bui Thu LamHanoi - 2022Originality StatementI guarantee that this is a work which

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

is researched by me, under the guidance of Assoc. Prof. Dr. Bui '11111 Lam. Research results published in the thesis an' truthful. The documents used

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu performed successfully but for many individuals’ assistance. First of all, 1 would like to express my sincere thanks to my supervisor, Assoc. Prof. D

r. Bui Thu Lam whose whole-hearted, enthusiastic, and academic efforts in guiding my PhD progress.1 would like to express my deep gratitude to Dr. Cao (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

Truong Tran, who has helped and guided me in constructing, analyzing and writing papers as well as the thesis in a scientific, objective and convinci

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

ng manner. Without his help and assistance, I would not have been able to complete this thesis.I would also like to extend my hearty thanks the scient

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu invaluable remarks on my works so that 1 could fulfill my thesis.I would like to pay my deep tributes to Dr. Nguyen Manh Hung, Assoc. Prof. Dr. Long N

guyen and researchers from the Evolutionary Computation Research Group for their encouragement and assistance during my research process; and Dr. Tran (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

Le Duyen from Military Science Academy for proofreading the thesis thoroughly.Last but not least, I also would like to acknowledge the encouragement

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

and support of my family members, especially my wife, who have stood by me side-by-side and served as both material and spiritual shelters for me to a

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu he most suitable methods to solve these problems is using multi-objective evolutionary algorithms. The algorithms work by simulating evolution of a po

pulation of individuals in a number of generations, by selecting a number of “good” solutions to the next in each generation.As the number of objectiv (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

es is greater than three, the problems are considered as many-objective optimization ones. Dealing with these problems. multi-objective evolutionary a

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

lgorithms meet several difficulties, especially in determining the “good” individuals for the generation. In order to alleviate the difficulties, many

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu " when comparing the individuals during evolving or improve the existing multi-objective evolutionary algorithms. Second, for problems containing redu

ndant objectives, the algorithms use objective reduction techniques to remove these nxlundant objectives before solving them. The algorithms belonging (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

to the second approach arc called objective reduction ones.The objective reduction contains two components. The first component is multi-objective ev

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

olutionary algorithm for generating non-dominated solutions. The second one, dimensionality objective reduction, analyzes the objective values of obta

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu ed, most first components are multiobjective evolutionary algorithms while existing many the state-of-the-art many-objective evolutionary algorithms.

Moreover, many of them have not considered reducing objectives or validated by testing redundant problems. Last but not least, the existing objective (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

reductions are often validated by testing with redundant problems on a small number of objectives.The thesis first investigates the efficiency of comb

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

ining existing manyobjective evolutionary algorithms and dimensionality objective reductions. More specifically, it shows that integrating dimensional

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu jective evolutionary algorithms. Second, it proposes (1) an objective reduction algorithm named COR. The algorithm basing on a complete Pareto manyobj

ective evolutionary’ algorithm, can self-determine the number of clusters to partition a set of objects (presenting objectives in problems) to remove (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

the redundant objectives. Third, the thesis proposes two objective reduction algorithms (ORAs), viz. PCS-LPCA and PCS-Cluster to removing redundant ob

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

jectives and keeping essential ones as solving redundant many-objectives problems. While (2) PCS-LPCA using PCSEA to generate a solution set composed

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

(Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu SEA to generate a solution set composed a partial PF. then using clustering machine learning algorithms to analyze the set in order to keep the essent

ial objectives. (Luận án tiến sĩ) Một số phương pháp lược bớt các hàm mục tiêu trong tối ưu tiến hóa nhiều mục tiêu

MINISTRY OF EDUCATION AND TRAINING MINISTRY OF NATIONAL DEFENCEMILITARY TECHNICAL ACADEMYNGUYEN XƯAN HUNGObjective reduction methods in evolutionary m

Gọi ngay
Chat zalo
Facebook