Solving Large MultiZenoTravel Benchmarks with Divide-and-Evolve

Alexandre Quemy 1 Marc Schoenauer 1, 2, * Vincent Vidal 3 Johann Dréo 4 Pierre Savéant 4
* Auteur correspondant
1 TAO - Machine Learning and Optimisation
CNRS - Centre National de la Recherche Scientifique : UMR8623, Inria Saclay - Ile de France, UP11 - Université Paris-Sud - Paris 11, LRI - Laboratoire de Recherche en Informatique
Abstract : A method to generate various size tunable benchmarks for multi-objective AI planning with a known Pareto Front has been recently proposed in order to provide a wide range of Pareto Front shapes and different magnitudes of difficulty. The performance of the Pareto-based multi-objective evolutionary planner DaEYAHSP are evaluated on some large instances with singular Pareto Front shapes, and compared to those of the single-objective aggregation-based approach.
Type de document :
Communication dans un congrès
Clarisse Dhaenens and Laetitia Jourdan and Marie-Eléonore Marmion. Learning and Intelligent OptimizatioN - LION 9, Jan 2015, Lille, France. LNCS 8994, Springer Verlag, pp.262-267, 2015
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01109776
Contributeur : Marc Schoenauer <>
Soumis le : mardi 27 janvier 2015 - 02:29:55
Dernière modification le : jeudi 15 novembre 2018 - 08:38:02
Document(s) archivé(s) le : samedi 12 septembre 2015 - 06:35:23

Fichier

short-paper.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01109776, version 1

Citation

Alexandre Quemy, Marc Schoenauer, Vincent Vidal, Johann Dréo, Pierre Savéant. Solving Large MultiZenoTravel Benchmarks with Divide-and-Evolve. Clarisse Dhaenens and Laetitia Jourdan and Marie-Eléonore Marmion. Learning and Intelligent OptimizatioN - LION 9, Jan 2015, Lille, France. LNCS 8994, Springer Verlag, pp.262-267, 2015. 〈hal-01109776〉

Partager

Métriques

Consultations de la notice

511

Téléchargements de fichiers

202