一种用于多目标优化算法的收敛性指标
神经与进化计算
2018-10-30 v1
摘要
近年来多目标优化算法有了相对的增长。因此，需要某种方式来比较这些算法的结果。在此意义上，性能度量起着关键作用。通常考虑这些算法的一些性质，如容量、收敛性、多样性或收敛-多样性。已有一些已知度量，如世代距离（GD）、逆世代距离（IGD）、超体积（HV）、散布度（Δ）、平均 Hausdorff 距离（Δ_p）、R2 指标等。本文重点基于传统的香农熵公式提出一种新的度量收敛性的指标。该度量的主要特征是：1）不需要知道真实的 Pareto 集；2）与超体积相比具有中等计算代价。
引用
@article{arxiv.1810.12140,
title = {A Convergence indicator for Multi-Objective Optimisation Algorithms},
author = {Thiago Santos and Sebastiao Xavier},
journal= {arXiv preprint arXiv:1810.12140},
year = {2018}
}
备注
Submitted to TEMA