一个易用的现实世界多目标优化问题测试套件
神经与进化计算
2020-09-29 v1
摘要
尽管合成测试问题被广泛用于评估进化多目标优化算法的性能，但它们可能包含不现实的属性，从而导致高估或低估。为解决此问题，我们提出一个由 16 个边界约束现实问题组成的多目标优化问题套件。该问题套件在目标数量、帕累托前沿形状以及设计变量类型方面包含多种问题。16 个问题中有 4 个是多目标混合整数优化问题。我们提供了这 16 个问题的 Java、C 和 Matlab 源代码，以便它们可以开箱即用。我们考察了每个测试问题的近似帕累托前沿。我们还分析了六种代表性进化多目标优化算法在 16 个问题上的性能。除这 16 个问题外，我们还给出了 8 个约束多目标现实问题。
引用
@article{arxiv.2009.12867,
title = {An Easy-to-use Real-world Multi-objective Optimization Problem Suite},
author = {Ryoji Tanabe and Hisao Ishibuchi},
journal= {arXiv preprint arXiv:2009.12867},
year = {2020}
}
备注
This is an accepted version of a paper published in Applied Soft Computing