启发式矩形分裂：利用单目标启发式方法高效求解多目标问题
最优化与控制
2017-05-30 v1
摘要
现实生活中的问题通常具有相互冲突的优化目标。因此，人们不仅对多目标模型越来越感兴趣，也对用于求解这些模型的专用多目标元启发式方法越来越感兴趣。多年来，人们提出了各种各样的方法，例如 NSGA-II、SPEA、IBEA、分散搜索、Pareto 局部搜索等。然而原则上，多目标问题可以用现有的定制的单目标求解器高效求解——这是著名的 -约束方法（ECM）背后的核心思想。尽管具有理论性质和概念上的简洁性，-约束方法在启发式领域很大程度上被忽视了，并且主要仍与精确算法相关联。在本文中，我们消除了这些先入之见，并证明 -约束框架可以成为一种直接利用现有的单目标优化研究来求解多目标问题的高效途径。我们提出了一种改进的经典 ECM 版本，以适应启发式搜索特有的挑战和要求。由此产生的框架用现有的针对带容量车辆路径问题（CVRP）的最先进单目标求解器实现，并在带路径平衡的 VRP（VRPRB）上进行了测试。基于广泛的计算研究，我们展示了我们的改进相较于经典 ECM 的附加价值，并证明我们简单的 -约束算法在多个质量指标上显著优于当前最先进的多目标元启发式方法。最后，我们讨论了相关的成功因素和进一步研究的有前景的方向。
引用
@article{arxiv.1705.10174,
title = {Heuristic Rectangle Splitting: Leveraging Single-Objective Heuristics to Efficiently Solve Multi-Objective Problems},
author = {Piotr Matl and Richard F. Hartl and Thibaut Vidal},
journal= {arXiv preprint arXiv:1705.10174},
year = {2017}
}