DE/RM-MEDA：一种新的混合多目标生成器
神经与进化计算
2019-11-27 v1
摘要
在 Karush-Kuhn-Tucker 条件下，m 目标优化问题决策域中的帕累托集（PS）是一个分段连续的 (m-1) 维流形。为刻画种群的收敛程度，我们采用了种群协方差矩阵的前 (m-1) 个最大特征值之和与所有特征值之和的比值。基于该性质，本文提出一种称为 DE/RM-MEDA 的新算法，它混合差分进化（DE）与分布估计算法（EDA），并根据该比值生成并自适应调整新解的数量。所提算法在九个 tec09 问题上进行了实验。DE/RM-MEDA 与称为 NSGA-II-DE 和 RM-MEDA 的其他算法之间的对比结果表明，所提算法在收敛性与多样性度量方面表现更优。
引用
@article{arxiv.1911.10995,
title = {DE/RM-MEDA: A New Hybrid Multi-Objective Generator},
author = {Abel Sa J. R Malano and Guanjun Du and Guoxiang Tong and Naixue Xiong},
journal= {arXiv preprint arXiv:1911.10995},
year = {2019}
}