两种不同优化场景下 MOEA/D 控制参数的分析
神经与进化计算
2020-10-05 v1
摘要
无界外部存档（UEA）存储搜索过程中发现的所有非支配解，近期研究常将其用于评估多目标进化算法（MOEA）的性能。一项近期的基准测试研究表明，当 UEA 被引入基于分解的 MOEA（MOEA/D）时，MOEA/D 与最先进的 MOEA 相比具有竞争力。然而，尚未有针对使用 UEA 的 MOEA/D 的参数研究。因此，控制参数设置如何影响带 UEA 的 MOEA/D 的性能尚不清楚。本文中，我们分析了两种性能评估场景下 MOEA/D 的控制参数。一种为最终种群场景，其中 MOEA 的性能评估基于最终种群中的所有非支配解；另一种为精简 UEA 场景，其基于从 UEA 中预选指定数量的非支配解。本文考察的 MOEA/D 控制参数包括种群规模、标量化函数，以及基于惩罚的边界交叉（PBI）函数的惩罚参数。实验结果表明，这三个控制参数的合适设置显著依赖于优化场景的选择。我们还分析了每种场景下最佳参数设置完全不同的原因。
引用
@article{arxiv.2010.00818,
title = {An Analysis of Control Parameters of MOEA/D Under Two Different Optimization Scenarios},
author = {Ryoji Tanabe and Hisao Ishibuchi},
journal= {arXiv preprint arXiv:2010.00818},
year = {2020}
}
备注
This is an accepted version of a paper published in Applied Soft Computing