通过贝塞尔曲线参数化确保进化双目标优化中可平滑导航的近似集——应用于前列腺癌近距离放疗治疗规划
最优化与控制
2020-06-12 v1 神经与进化计算
摘要
双目标优化的目标是获得一组（近似）帕累托最优解的近似集。决策者随后导航该集合以选择最终期望解，常借助近似前沿的可视化。前沿提供了遍历解的一种导航排序，但该排序并不一定对应于决策空间中一条平滑的轨迹。这迫使决策者逐个检视各解的决策变量，可能使近似集的导航不够直观。本工作中，我们旨在通过以决策变量而言在解之间强制一种平滑性或连续性来改进近似集的可导航性。将平滑性作为限制施加于常见的基于支配的多目标进化算法并不直接。因此，我们利用近期引入的非拥挤超体积（UHV）将多目标优化问题重构为直接优化参数化近似集的单目标问题。我们在此研究将近似集参数化为决策空间中平滑贝塞尔曲线的情况。我们以基因池最优混合进化算法（GOMEA）处理所得单目标问题，并将所得算法称为BezEA。我们分析了BezEA的行为，并将其与用GOMEA优化UHV以及基于支配的多目标GOMEA进行比较。我们表明，BezEA可获得高质量近似集，有时甚至优于基于支配与基于UHV的算法，同时保证了决策空间导航轨迹的平滑性。
引用
@article{arxiv.2006.06449,
title = {Ensuring smoothly navigable approximation sets by Bezier curve parameterizations in evolutionary bi-objective optimization -- applied to brachytherapy treatment planning for prostate cancer},
author = {S. C. Maree and T. Alderliesten and P. A. N. Bosman},
journal= {arXiv preprint arXiv:2006.06449},
year = {2020}
}
备注
PPSN2020 (Parallel Problem Solving from Nature)