中文

多样性对有界存档的多目标局部搜索的影响

神经与进化计算 2026-02-05 v1

摘要

本文解决了与多目标优化问题元启发式算法开发相关的两个关键挑战:非支配解的指数增长以及元启发式算法倾向于将其搜索不成比例地集中在帕累托前沿的一个子集上。为了应对第一个挑战,采用有界存档作为有效管理不断增长的非支配解数量的策略机制。解决第二个挑战涉及对现有文献中解多样性算法的深入探索。在认识到当前方法主要集中于目标空间内的多样性后,本研究引入了专门设计用于增强解空间多样性的创新方法。结果表明,汉明距离存档算法(一种新提出的用于多目标局部搜索的算法)的有效性,其性能超越了从文献中借鉴的自适应网格存档和超体积存档。这一结果表明,为提高用于求解多目标优化问题的元启发式算法的整体效率提供了一条有前景的途径。

关键词

引用

@article{arxiv.2602.04745,
  title  = {Impact of diversity on bounded archives for multi-objective local search},
  author = {Amadeu A. Coco and Cyprien Borée and Julien Baste and Laetitia Jourdan and Lucien Mousin},
  journal= {arXiv preprint arXiv:2602.04745},
  year   = {2026}
}

备注

34 pages, 5 figures, 34 tables, submitted to the journal Computational Optimization and Applications