分解多目标进化优化：从前沿进展到未来机遇
神经与进化计算
2021-08-24 v1
摘要
分解是多目标优化与多准则决策中经典数学规划的主流方法。然而，在进化多目标优化背景下，直到基于分解的多目标进化算法（MOEA/D）的发展，它才得到恰当研究。本文对 MOEA/D 从起源到当前前沿方法的发展进行了全面综述。为自成体系，我们从逐步教程开始，旨在帮助初学者快速理解 MOEA/D 的工作机制。随后，根据 MOEA/D 的核心设计组件（包括权重向量设置、子问题公式化、选择机制与繁殖算子）回顾其重大进展。此外，我们还概述了在约束处理、计算昂贵目标函数、偏好融入及实际应用方面的进一步发展。最后，我们展望了未来发展的新方向。
引用
@article{arxiv.2108.09588,
title = {Decomposition Multi-Objective Evolutionary Optimization: From State-of-the-Art to Future Opportunities},
author = {Ke Li},
journal= {arXiv preprint arXiv:2108.09588},
year = {2021}
}
备注
45 pages, 7 figures