基于多性能指标的 MOEA 统计分析
神经与进化计算
2020-12-03 v1
摘要
当我们广泛测试一组多目标进化算法（MOEA）并旨在确定其适当排序时，评估 MOEA 的经验性能至关重要。在报告实验数据时频繁应用多个性能指标，例如代际距离和超体积，其中通常每个指标的数据独立于其他指标进行分析。这种处理在聚合所有性能指标的结果时带来概念性困难，并且如果性能指标的边际分布重叠，可能无法发现算法间的显著差异。因此，在本文中，我们提出对性能指标的联合经验分布进行多元 -检验以检测数据中的潜在差异，随后利用线性判别分析的后验过程来确定算法间的优劣。该性能分析的有效性得到了在四种算法、16 个问题以及 6 种不同目标数上进行的实验的支持。
引用
@article{arxiv.2012.00886,
title = {On Statistical Analysis of MOEAs with Multiple Performance Indicators},
author = {Hao Wang and Carlos Igncio Hernández Castellanos and Tome Eftimov},
journal= {arXiv preprint arXiv:2012.00886},
year = {2020}
}