用于多目标优化的归并非支配排序算法
神经与进化计算
2020-02-19 v1
摘要
许多基于Pareto的多目标进化算法需要在每次迭代中根据支配原则对种群中的解进行排序，这在处理多目标优化问题时可能成为代价高昂的操作。本文中，我们提出了一种用于计算非支配排序过程的新高效算法，称为归并非支配排序(MNDS)，其最佳计算复杂度为，最差计算复杂度为。我们的方法基于利用归并排序算法的特性来计算每个解的支配集。我们将MNDS与四种可视为最先进(state-of-the-art)的知名技术进行比较。结果表明，MNDS算法在比较次数以及总运行时间方面均优于其他技术。
引用
@article{arxiv.1809.06106,
title = {Merge Non-Dominated Sorting Algorithm for Many-Objective Optimization},
author = {Javier Moreno and Daniel Rodriguez and Antonio Nebro and Jose A. Lozano},
journal= {arXiv preprint arXiv:1809.06106},
year = {2020}
}