非精英进化多目标优化器的再审视
神经与进化计算
2020-10-01 v1
摘要
自约 2000 年以来，人们普遍认为精英进化多目标优化算法（EMOAs）总是优于非精英 EMOAs。本文在使用无界外部存档的双目标连续优化场景下，重新审视了非精英 EMOAs 的性能。本文考察了采用两种精英与一种非精英环境选择的 EMOAs 的性能。EMOAs 的性能在 COCO 平台提供的双目标 BBOB 问题集上进行了评估。与传统认知相反，结果表明在使用无界外部存档时，采用特定交叉方法的非精英 EMOAs 在具有较多决策变量的双目标 BBOB 问题上表现显著良好。本文还分析了非精英选择的特性。
引用
@article{arxiv.2009.14717,
title = {Non-elitist Evolutionary Multi-objective Optimizers Revisited},
author = {Ryoji Tanabe and Hisao Ishibuchi},
journal= {arXiv preprint arXiv:2009.14717},
year = {2020}
}
备注
This is an accepted version of a paper published in the proceedings of GECCO 2019