tailieunhanh - A probability-driven search algorithm for solving multi-objective optimization problems

This paper proposes a new probabilistic algorithm for solving multi-objective optimization problems - Probability-Driven Search Algorithm. The algorithm uses probabilities to control the process in search of Pareto optimal solutions. Especially, we use the absorbing Markov Chain to argue the convergence of the algorithm. Authors test this approach by implementing the algorithm on some benchmark multi-objective optimization problems, and find very good and stable results. | Tạp chí KHOA HỌC ĐHSP TPHCM Số 33 năm 2012 A PROBABILITY-DRIVEN SEARCH ALGORITHM FOR SOLVING MULTI-OBJECTIVE OPTIMIZATION PROBLEMS NGUYEN HUU THONG TRAN VAN HAO ABSTRACT This paper proposes a new probabilistic algorithm for solving multi-objective optimization problems - Probability-Driven Search Algorithm. The algorithm uses probabilities to control the process in search of Pareto optimal solutions. Especially we use the absorbing Markov Chain to argue the convergence of the algorithm. We test this approach by implementing the algorithm on some benchmark multi-objective optimization problems and find very good and stable results. Keywords multi-objective optimization stochastic probability algorithm. TÓM TẮT Một giải thuật tìm kiếm được điều khiển theo xác suất giải bài toán tối ưu đa mục tiêu Bài này đề nghị một giải thuật xác suất mới để giải bài toán tối ưu đa mục tiêu giải thuật tìm kiếm được điều khiển theo xác suất. Giải thuật sử dụng các xác suất để điều khiển quá trình tìm kiếm các lời giải tối ưu Pareto. Đặc biệt chúng tôi sử dụng Chuỗi Markov hội tụ để thảo luận về tính hội tụ của giải thuật. Chúng tôi thử nghiệm hướng tiếp cận này trên các bài toán tối ưu đa mục tiêu chuẩn và chúng tôi đã tìm được các kết quả rất tốt và ổn định. Từ khóa tối ưu đa mục tiêu ngẫu nhiên xác suất giải thuật. 1. Introduction We introduce the Search via Probability SVP algorithm for solving singleobjective optimization problems 4 . In this paper we extend SVP algorithm into Probabilistic-Driven Search PDS algorithm for solving multi-objective optimization problems by replacing the normal order with the Pareto one. We compute the complexity of the Changing Technique of the algorithm. Especially we use the absorbing Markov Chain to argue the convergence of the Changing Technique of the algorithm. We test this approach by implementing the algorithm on some benchmark multi-objective optimization problems and find very good and stable results. 2. The model of Multi-objective .