面向复杂Pareto前沿的动态高维多目标进化优化方法与应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61876075
  • 项目类别：
    面上项目
  • 资助金额：
    62.0万
  • 负责人：
    Hisao Ishibuchi
  • 依托单位：
    南方科技大学
  • 学科分类：
    F0601.人工智能基础
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

There are a large number of dynamic many-objective optimization problems in real-world applications. Since the Pareto fronts of these problems are usually complex and dynamically changing, existing multi-objective evolutionary algorithms fail to solve them. This project studies dynamic many-objective evolutionary algorithms for handling complex Pareto fronts. Based on this project, we plan to propose a novel method to apperceive the property of a Pareto front in the high-dimensional space, establish a prediction model of Pareto optimal solution set in a dynamic environment, design a dynamic many-objective evolutionary algorithm guided by the perception of Pareto fronts, and apply the proposed theory and algorithm in unmanned aerial vehicle logistics distribution problems. This project is a novel and challenging research orientation with obvious social requirement, which combines artificial intelligence, computer science, automation, mathematics, and management science. The results of this project should produce a novel method for solving dynamic many-objective optimization problems, and improve the efficiency of unmanned aerial vehicle logistics distribution. Therefore, it has important theoretical and practical value.
实际工程应用中存在大量动态高维多目标优化问题，其Pareto前沿往往非常复杂且动态变化。现有多目标进化算法难以求解这类问题。本项目研究面向复杂Pareto前沿的动态高维多目标进化优化方法与应用。通过研究，拟提出高维空间中Pareto前沿的感知方法，建立动态环境下的Pareto最优解集预测模型，设计基于感知引导的动态高维多目标进化算法，并将所提方法应用于无人机物流调度问题。本项目是人工智能、计算机、自动化、数学，以及管理等多学科交叉、新颖且富有挑战性的研究方向，产生的成果能够丰富多目标进化优化理论，提高无人机物流配送的效率，因此，具有重要理论意义和实际应用价值。

结项摘要

现实世界中普遍存在着多目标优化问题，这些问题往往具有复杂的Pareto前沿、高维的目标空间、以及动态变化的环境。针对以上特征，本项目研究了面向复杂Pareto前沿的动态高维多目标进化优化方法与应用，主要包括四个方面的研究内容：（1）高维目标空间中复杂 Pareto 前沿的分析与感知，（2）动态多目标优化问题的设计与分析，（3）基于感知引导的动态高维多目标进化算法，（4）所提方法在无人机物流配送中的应用。针对以上四个研究内容，本项目深入研究了复杂Pareto 前沿的分析与感知，提出了复杂Pareto前沿的感知方法；针对动态变化环境的多目标优化问题，本项目提出了更具挑战性的动态多目标优化测试问题，以及应对动态变化环境的动态归一化方法；进一步地，基于复杂Pareto前沿的感知方法，本项目提出了基于感知引导的动态高维多目标进化算法，该算法可以有效感知复杂Pareto前沿的形状并引导算法找到在复杂Pareto前沿上均匀分布的解集；最后，本项目研究了多目标无人机物流配送这一实际应用问题，将进化多目标优化算法应用于该实际问题，实现了多目标无人机物流配送问题的求解，得到了不同的无人机物流配送策略，决策者可以根据实际情况和偏好选择其中的一个配送方案执行，这大大增加了决策者的可选择性，为无人机的物流配送任务提供了多样化的选择方案。

项目成果

期刊论文数量（29）
专著数量（0）
科研奖励数量（6）
会议论文数量（66）
专利数量（1）
Difficulties in Fair Performance Comparison of Multi-Objective Evolutionary Algorithms [Research Frontier]
多目标进化算法公平性能比较的难点【研究前沿】
  • DOI：
    10.1145/3520304.3533634
  • 发表时间：
    2022-02
  • 期刊：
    IEEE Computational Intelligence Magazine
  • 影响因子：
    9
  • 作者：
    Hisao Ishibuchi;Lie Meng Pang;Ke Shang
  • 通讯作者：
    Ke Shang
Hypervolume-Optimal μ-Distributions on Line/Plane-Based Pareto Fronts in Three Dimensions
三维基于线/平面的 Pareto 前沿上的超体积最优 μ 分布
  • DOI：
    10.1109/tevc.2021.3093114
  • 发表时间：
    2021-04
  • 期刊：
    IEEE Transactions on Evolutionary Computation
  • 影响因子：
    14.3
  • 作者：
    Ke Shang;Hisao Ishibuchi;Weiyu Chen;Yang Nan;Weiduo Liao
  • 通讯作者：
    Weiduo Liao
Reverse Strategy for Non-Dominated Archiving
非支配归档的反向策略
  • DOI：
    10.1109/access.2020.3005970
  • 发表时间：
    2020
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Yang Nan;Ke Shang;Hisao Ishibuchi;Linjun He
  • 通讯作者：
    Linjun He
Counterintuitive Experimental Results in Evolutionary Large-Scale Multi-Objective Optimization
进化大规模多目标优化中反直觉的实验结果
  • DOI：
    10.1109/tevc.2022.3161363
  • 发表时间：
    2022
  • 期刊：
    IEEE Transactions on Evolutionary Computation
  • 影响因子：
    14.3
  • 作者：
    Lie Meng Pang;Hisao Ishibuchi;Ke Shang
  • 通讯作者：
    Ke Shang
Decomposition-Based Multi-Objective Evolutionary Algorithm Design Under Two Algorithm Frameworks
两种算法框架下基于分解的多目标进化算法设计
  • DOI：
    10.1109/access.2020.3022164
  • 发表时间：
    2020-08
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Lie Meng Pang;Hisao Ishibuchi;Ke Shang
  • 通讯作者：
    Ke Shang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

Selective age-related changes in temporal S-cone ON-and OFF-pathways
颞 S 锥 ON 和 OFF 通路的选择性年龄相关变化
  • DOI：
    --
  • 发表时间：
    2010
  • 期刊：
  • 影响因子：
    --
  • 作者：
    Qian Qian;Keizo Shinomori and Miao Song;H.Ishibuchi;川島隆徳・村井源・徃住彰文;橋本敬;Hisao Ishibuchi;Miao Song and Keizo Shinomori;橋本敬;工藤彰・村井源・徃住彰文;Keizo Shinomori and John S. Werner
  • 通讯作者：
    Keizo Shinomori and John S. Werner
Interactive Multiobjective Optimization: A Review of the State-of-the-Art
交互式多目标优化：最新技术回顾
  • DOI：
    10.1109/access.2018.2856832
  • 发表时间：
    2018-07
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Bin Xin;Lu Chen;Jie Chen;Hisao Ishibuchi;Kaoru Hirota;Bo Liu
  • 通讯作者：
    Bo Liu
スパイクベース非線形演算のためのCMOS結合位相振動子回路
用于基于尖峰非线性操作的 CMOS 耦合相位振荡器电路
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    電子情報通信学会技術研究報告(NLP)
  • 影响因子：
    --
  • 作者：
    Hisao Ishibuchi;Masakazu Yamane and Yusuke Nojima;東原敬,松坂建治,西広海,森江隆
  • 通讯作者：
    東原敬,松坂建治,西広海,森江隆
Dm-KDE: dynamical kernel density estimation by sequences of KDE estimators with fixed number of components over data streams
Dm-KDE：通过数据流上具有固定数量组件的 KDE 估计器序列进行动态核密度估计
  • DOI：
    10.1007/s11704-014-3105-y
  • 发表时间：
    2014-08
  • 期刊：
    Frontiers of Computer Science
  • 影响因子：
    4.2
  • 作者：
    Min Xu;Hisao Ishibuchi;Xin Gu;Shitong Wang
  • 通讯作者：
    Shitong Wang
ディジタル人文工学における文学解釈の可能性
数字人文文学解读的可能性
  • DOI：
    --
  • 发表时间：
    2010
  • 期刊：
  • 影响因子：
    --
  • 作者：
    Qian Qian;Keizo Shinomori and Miao Song;H.Ishibuchi;川島隆徳・村井源・徃住彰文;橋本敬;Hisao Ishibuchi;Miao Song and Keizo Shinomori;橋本敬;工藤彰・村井源・徃住彰文
  • 通讯作者：
    工藤彰・村井源・徃住彰文

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

Hisao Ishibuchi的其他基金

面向子集选择的演化多模态多目标优化算法研究
  • 批准号：
    62376115
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
DevelopmentofaPracticallyUsefulMulti-ObjectiveEvolutionaryAlgorithmunderaNewAlgorithmFramework
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    160 万元
  • 项目类别：

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码