多目标NP难约束问题中的Pareto前沿探索平衡：B-NTGA
神经与进化计算
2024-10-15 v2
摘要
本文提出一种应用于新平衡非支配锦标赛遗传算法（Balanced Non-dominated Tournament Genetic Algorithm, B-NTGA）的平衡选择算子，通过积极使用档案库来解决具有约束的多目标和多目标NP难组合优化问题。主要动机是使B-NTGA在探索Pareto前沿逼近（Pareto Front Approximation, PFa）方面更高效，聚焦‘空白’，减少某些PFa区域的过度抽样。这种平衡机制使B-NTGA更具适应性，聚焦于较少被探索的PFa区域。我们在两个基准多目标和多目标优化现实问题上研究了所提B-NTGA，如盗贼旅行问题和多技能资源受限项目计划问题。实验结果表明，B-NTGA的效率和性能优于最新方法。
引用
@article{arxiv.2410.05701,
title = {Balancing Pareto Front exploration of Non-dominated Tournament Genetic Algorithm (B-NTGA) in solving multi-objective NP-hard problems with constraints},
author = {Michał Antkiewicz and Paweł B. Myszkowski},
journal= {arXiv preprint arXiv:2410.05701},
year = {2024}
}
备注
PREPRINT with Corrigendum