ParadisEO-MOEO: A Framework for Evolutionary Multi-objective Optimization

Liefooghe, Arnaud; Basseur, Matthieu; Jourdan, Laetitia; Talbi, El-Ghazali

Type de document :

Communication dans un congrès avec actes

DOI :

10.1007/978-3-540-70928-2_31

Titre :

ParadisEO-MOEO: A Framework for Evolutionary Multi-objective Optimization

Auteur(s) :

Liefooghe, Arnaud [Auteur]

Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]
Basseur, Matthieu [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]
Jourdan, Laetitia [Auteur]

Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]
Talbi, El-Ghazali [Auteur]

Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]

Titre de la manifestation scientifique :

Evolutionary Multi-Criterion Optimization (EMO 2007)

Ville :

Matsushima

Pays :

Japon

Date de début de la manifestation scientifique :

2007-02

Titre de la revue :

Lecture Notes in Computer Science (LNCS)

Date de publication :

2007

Discipline(s) HAL :

Mathématiques [math]/Combinatoire [math.CO]

Résumé en anglais : [en]

This paper presents ParadisEO-MOEO, a white-box object-oriented generic framework dedicated to the flexible design of evolutionary multi-objective algorithms. This paradigm-free software embeds some features and techniques ...
Lire la suite >This paper presents ParadisEO-MOEO, a white-box object-oriented generic framework dedicated to the flexible design of evolutionary multi-objective algorithms. This paradigm-free software embeds some features and techniques for Pareto-based resolution and aims to provide a set of classes allowing to ease and speed up the development of computationally efficient programs. It is based on a clear conceptual distinction between the solution methods and the multi-objective problems they are intended to solve. This separation confers a maximum design and code reuse. ParadisEO-MOEO provides a broad range of archive-related features (such as elitism or performance metrics) and the most common Pareto-based fitness assignment strategies (MOGA, NSGA, SPEA, IBEA and more). Furthermore, parallel and distributed models as well as hybridization mechanisms can be applied to an algorithm designed within ParadisEO-MOEO using the whole version of ParadisEO. In addition, GUIMOO, a platform-independant free software dedicated to results analysis for multi-objective problems, is briefly introduced.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Collections :

Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL

Fichiers

https://hal.inria.fr/inria-00269972/document
Accès libre
Accéder au document

http://www.lifl.fr/~jourdan/publi/emoeomo.pdf
Accès libre
Accéder au document

https://hal.inria.fr/inria-00269972/document
Accès libre
Accéder au document

http://www.lifl.fr/~jourdan/publi/emoeomo.pdf
Accès libre
Accéder au document

document
Accès libre
Accéder au document

075.pdf
Accès libre
Accéder au document

document
Accès libre
Accéder au document

075.pdf
Accès libre
Accéder au document

emoeomo.pdf
Accès libre
Accéder au document

ParadisEO-MOEO: A Framework for Evolutionary ... BibTeX CSV Excel RIS

Fichiers

ParadisEO-MOEO: A Framework for Evolutionary ...

BibTeX

CSV

Excel

RIS