Hybridization of indicator-based metaheuristics with modern local search methods in multiobjective optimization
Basic data for this project
Type of project: Participation in other joint projects
Duration at the University of Münster: 01/01/2014 - 31/12/2015
Description
Durch die angestrebte Integration der neuartigen modernen lokalen Suchstrategien Directed Search (DS) und Gradient Subspace Approximation (GSA) in state-of-the-art Metaheuristiken wie SMS-EMOA oder Dp-EMOA entstehen leistungsfähige Verfahren zur mehrkriteriellen Optimierung von bisher unerreichter Güte. Der Nachweis der gesteigerten Leistungsfähigkeit wird für Spezialfälle durch theoretische und im allgemeinen Fall durch fundierte statistische Analysen geführt. Die Erweiterung von Theorie und Praxis auf parametrisierte mehrkriterielle Probleme öffnet schließlich einen weitgehend unerforschten Bereich, der im Umfeld optimaler Regelungssysteme erschlossen werden soll.
Keywords: Computer Science; Evolutionary Multi-Objective Optimization; Local Search; Hybridization
Funding identifier: 57065955
Funder / funding scheme:
- German Academic Exchange Service (DAAD)
Project management at the University of Münster
| Trautmann, Heike | Data Science: Statistics and Optimization (Statistik) |
Applicants from the University of Münster
| Trautmann, Heike | Data Science: Statistics and Optimization (Statistik) |
Research associates from the University of Münster
| Grimme, Christian | Data Science: Statistics and Optimization (Statistik) |
| Kerschke, Pascal | Data Science: Statistics and Optimization (Statistik) |