利用自适应变异算子改进 NSGA-II
神经与进化计算
2013-05-23 v1
摘要
多目标进化算法 (MOEA) 的性能关键取决于算子的参数设置。对此类参数最理想的控制应具备自适应性，即在进化过程的不同阶段，利用搜索反馈来确定参数变化的方向和/或幅度，从而动态调整参数值。鉴于 NSGA-II 算法的广泛流行，本研究旨在为该 MOEA 中的每个参数创建自适应控制机制。借助这些控制机制，我们期望进一步提升算法性能。本文提出了一种自适应变异算子，其自适应控制利用候选解的多样性信息来调节变异幅度。针对不同问题的多项实验表明，该变异算子提高了 NSGA-II 逼近 Pareto 最优前沿的能力，并改善了最终解之间的多样性。
引用
@article{arxiv.1305.4947,
title = {Improving NSGA-II with an Adaptive Mutation Operator},
author = {Arthur Carvalho and Aluizio F. R. Araujo},
journal= {arXiv preprint arXiv:1305.4947},
year = {2013}
}