竞赛多目标选择概率
人工智能
2014-06-20 v1
摘要
在噪声多目标优化背景下，处理不确定性要求决策者通过某些统计量（如均值、中位数）来定义偏好，以评估解的质量并确定相应的帕累托集。近似这些统计量需要对种群重复采样，从而大幅增加整体计算成本。为解决此问题，本文提出直接估计每个个体被选择的概率，利用Hoeffding竞赛在选择步骤中动态分配估计预算。所提出的竞赛方法在ZDT基准函数的噪声版本上使用NSGA-II与静态预算方法进行了验证。
引用
@article{arxiv.1406.4973,
title = {Racing Multi-Objective Selection Probabilities},
author = {Gaétan Marceau and Marc Schoenauer},
journal= {arXiv preprint arXiv:1406.4973},
year = {2014}
}