在评估预算有限下 MOEA/D 处理现实问题中约束处理技术的探索
人工智能
2020-11-20 v1
摘要
为多目标优化（MOP）问题寻找良好解被认为是一个难题，尤其在考虑带约束的 MOP 时。因此，MOP 背景下的大多数工作并未深入探究不同约束如何影响 MOP 求解器的性能。在此，我们聚焦于探索不同约束处理技术（CHT）对 MOEA/D 的影响，MOEA/D 是求解复杂现实 MOP 时常用的 MOP 求解器。此外，我们引入一种简单而有效的 CHT，专注于决策空间探索，称为三阶段惩罚。我们在 MOEA/D 上对两个模拟 MOP 和六个解析 MOP（共八个）探索了这些 CHT。本工作的结果表明，虽然最佳 CHT 依赖于问题，但我们新提出的三阶段惩罚取得了有竞争力的结果，并在困难的模拟汽车设计 MOP 的超体积值方面表现出显著性能。
引用
@article{arxiv.2011.09722,
title = {Exploring Constraint Handling Techniques in Real-world Problems on MOEA/D with Limited Budget of Evaluations},
author = {Felipe Vaz and Yuri Lavinas and Claus Aranha and Marcelo Ladeira},
journal= {arXiv preprint arXiv:2011.09722},
year = {2020}
}
备注
Final version will be submitted to EMO-2021. This is only a preprint