sKPNSGA-II：基于自适应角度膝点的多目标进化算法及其在任务规划问题中的应用
神经与进化计算
2020-02-21 v1
摘要
现实世界中的复杂问题通常具有多个需要同时优化的目标函数。过去几十年中，多目标进化算法（MOEAs）被设计用于解决此类问题。然而，某些问题具有许多目标，导致优化算法得到大量非支配解。庞大的非支配解集阻碍了决策者选择最合适的解。本文提出一种新算法，旨在从帕累托最优前沿（POF）中获取最具代表性的解。该方法基于应用于 MOEA 的锥支配，能够找到膝点解。为获得最佳锥角，我们提出一种超体积分布度量，用于在进化过程中自适应调整角度。该新算法已应用于无人机（UAV）任务规划问题的实际场景。实验结果表明，该算法在超体积、解的数量以及收敛所需代数方面均有显著性能提升。
引用
@article{arxiv.2002.08867,
title = {sKPNSGA-II: Knee point based MOEA with self-adaptive angle for Mission Planning Problems},
author = {Cristian Ramirez-Atencia and Sanaz Mostaghim and David Camacho},
journal= {arXiv preprint arXiv:2002.08867},
year = {2020}
}
备注
Submitted to Applied Soft Computing