旅行商窃贼问题的动态多目标优化
神经与进化计算
2020-02-10 v1
摘要
对反映真实场景的详细且复杂的优化问题表述的研究是一个新兴领域。关于旅行商窃贼问题（Travelling Thief Problem, TTP）的研究成果日益增多，包括多目标表述以及精确与近似求解方法的比较。然而，由于许多真实场景随时间非静态变化，TTP 的动态表述尚未被考虑。本文针对 TTP 问题中三个方面的动态性定义进行了探讨：城市位置、可用性地图和物品价值。基于初始集合与所得非支配集合之间解守恒的阐明，我们定义了一系列初始化机制，使用通过求解器、贪心策略和随机方式生成的解。随后这些机制用于在变化后播种种群，并给出以超体积（hypervolume）和散布度（spread）衡量的性能进行比较。在一系列具有不同 TSP 分量和 KP 分量规模的问题中，我们观察到与现有结论一致的有趣趋势：当能够利用最优 TSP 和 KP 分量解时，使用随机化作为解种群初始化策略几乎无益。尽管这些独立的最优解不能保证良好的 TTP 解，但结合使用时可提供更好的初始性能，因此在部分考察实例中可对动态变化作出最佳响应。一种混合解生成方法以构建复合种群应对动态变化的组合策略，在不同动态 TTP 表述的某些实例中提升了性能。进一步开发更具协作性的组合方法的潜力得以实现，以更紧密地利用关于问题的已知信息。
引用
@article{arxiv.2002.02636,
title = {Dynamic Multi-objective Optimization of the Travelling Thief Problem},
author = {Daniel Herring and Michael Kirley and Xin Yao},
journal= {arXiv preprint arXiv:2002.02636},
year = {2020}
}