种群规模与子问题选择在 MOEA/D 中的联合影响
神经与进化计算
2020-04-16 v1 人工智能
摘要
本文旨在理解并改进基于分解的多目标进化算法的工作原理。我们回顾成熟的 MOEA/D 框架的设计，以支持不同子问题选择策略的平滑集成，同时强调种群规模与每代所生成子代数量的作用。通过对广泛的多目标与多许多目标组合 NK 地形进行全面的实证分析，我们提供了关于这些参数对底层搜索过程任意时刻性能的联合影响的新见解。特别地，我们表明即便是随机选取子问题的简单随机策略也优于现有的复杂策略。我们还研究了此类策略相对于目标问题的崎岖度与目标空间维度的敏感性。
引用
@article{arxiv.2004.06961,
title = {On the Combined Impact of Population Size and Sub-problem Selection in MOEA/D},
author = {Geoffrey Pruvost and Bilel Derbel and Arnaud Liefooghe and Ke Li and Qingfu Zhang},
journal= {arXiv preprint arXiv:2004.06961},
year = {2020}
}
备注
European Conference on Evolutionary Computation in Combinatorial Optimization, Apr 2020, Seville, Spain