MOEA/D-DE中差分进化变异算子三组件的综述与分析
神经与进化计算
2020-10-02 v1
摘要
基于分解的多目标进化算法结合差分进化变异算子(MOEA/D-DE)在具有挑战性的多目标问题(MOPs)上表现出高性能。DE变异由三个关键组件构成：变异策略、父个体的索引选择方法以及边界处理方法。然而，文献中尚未对MOEA/D-DE应使用的DE变异算子配置进行深入研究。该配置选择令MOEA/D-DE的研究者与使用者感到困惑。为解决此问题，我们对MOEA/D-DE中现有的DE变异算子配置进行综述，并系统考察各组件对MOEA/D-DE性能的影响。我们的综述揭示，DE变异算子的配置因MOEA/D-DE的源代码而异。在我们的分析中，针对多达五个目标的16个MOPs，考察了共30种配置（三种索引选择方法、两种变异策略与五种边界处理方法）。结果表明，每个组件都显著影响MOEA/D-DE的性能。我们还给出了使MOEA/D-DE有效性最大化的DE变异算子最合适配置。
引用
@article{arxiv.2010.00265,
title = {Review and Analysis of Three Components of Differential Evolution Mutation Operator in MOEA/D-DE},
author = {Ryoji Tanabe and Hisao Ishibuchi},
journal= {arXiv preprint arXiv:2010.00265},
year = {2020}
}
备注
This is an accepted version of a paper published in Soft Computing