关于多目标化对求解单目标问题益处的实证研究
神经与进化计算
2020-06-26 v1 人工智能
摘要
在处理连续单目标问题时，多模态给全局优化带来了最大困难之一。局部最优常阻碍算法进展，因而构成严重威胁。本文中，我们通过引入一个附加目标，分析单目标优化如何受益于多目标化。借助基于多目标梯度的精细可视化技术，对由此产生的多目标景观性质进行说明与考察。我们将以实证表明，多目标优化器 MOGSA 能够利用这些性质克服局部陷阱。MOGSA 的性能在 COCO 平台提供的若干函数测试集上评估，结果与局部优化器 Nelder-Mead 比较。
引用
@article{arxiv.2006.14423,
title = {Empirical Study on the Benefits of Multiobjectivization for Solving Single-Objective Problems},
author = {Vera Steinhoff and Pascal Kerschke and Christian Grimme},
journal= {arXiv preprint arXiv:2006.14423},
year = {2020}
}