帕累托集拓扑的数据驱动分析
神经与进化计算
2018-04-20 v1 最优化与控制
摘要
进化多目标优化（EMO）算法何时以及为何能够覆盖整个帕累托集？这是EMO研究人员与实践者的主要关切。近期的一项理论研究表明，（粗略而言）若帕累托集形成一个拓扑单形（曲线、曲面三角形、曲面四面体等），则基于分解的EMO算法能够覆盖整个帕累托集。通常，我们无法获知真实的帕累托集，而不得不在算法运行期间或运行后利用EMO算法的种群来估计其拓扑。本文提出一种数据驱动方法来分析帕累托集的拓扑。我们给出了如何从数据中识别帕累托集拓扑的理论，并实现了一种判断真实帕累托集是否可能形成拓扑单形的算法。数值实验表明，所提方法能在合理的种群规模内正确识别高维帕累托集的拓扑。
引用
@article{arxiv.1804.07179,
title = {Data-Driven Analysis of Pareto Set Topology},
author = {Naoki Hamada and Keisuke Goto},
journal= {arXiv preprint arXiv:1804.07179},
year = {2018}
}
备注
8 pages, accepted at GECCO'18 as a full paper