基于标量化函数的多目标进化算法设计要素的实验分析
神经与进化计算
2017-03-29 v1
摘要
本文系统地研究了区分基于标量化函数的多目标进化算法（MOEA）的主要设计要素的重要性，即对性能的影响。此类 MOEA 包括多目标遗传局部搜索（MOGLS）和基于分解的多目标进化算法（MOEA/D），并在多次计算实验和实际应用中被证明非常成功。这两种算法具有相同的通用结构，仅在两个主要方面存在差异。使用三个不同的多目标组合优化问题，即多目标对称旅行商问题、带收益的旅行商问题和多目标集合覆盖问题，我们表明主要的区分性设计要素是父代选择机制，而权重向量的选择（无论是随机还是均匀分布）在均匀权重向量数量足够大时实际上可以忽略不计。
引用
@article{arxiv.1703.09469,
title = {Experimental Analysis of Design Elements of Scalarizing Functions-based Multiobjective Evolutionary Algorithms},
author = {Mansoureh Aghabeig and Andrzej Jaszkiewicz},
journal= {arXiv preprint arXiv:1703.09469},
year = {2017}
}