锥 epsilon-支配：一种用于进化多目标优化的方法
神经与进化计算
2020-08-11 v1
摘要
我们提出锥 epsilon-支配方法，以改进多目标进化算法（MOEAs）中的收敛性与多样性。提出一种 cone-eps-MOEA，并与基于标准 Pareto 关系（NSGA-II、NSGA-II*、SPEA2 及一种聚类的 NSGA-II）和基于 epsilon-支配（eps-MOEA）的 MOEAs 进行比较。比较从计算复杂度以及四个用于量化各算法最终结果质量性能指标两方面进行：收敛性、多样性、超体积和多集合覆盖度度量。实验部分考虑了十六个著名基准问题，包括 ZDT 和 DTLZ 系列。为评估算法间可能的差异，针对四个性能度量精心设计了实验。所得结果表明，cone-eps-MOEA 能在所有考虑的性能度量上呈现高效且均衡的表现。这些结果有力支持如下结论：cone-eps-MOEA 是一种在收敛性与到 Pareto 前端的多样性之间获取高效平衡的竞争方法，并因此成为求解多目标优化问题的有用工具。
引用
@article{arxiv.2008.04224,
title = {The Cone epsilon-Dominance: An Approach for Evolutionary Multiobjective Optimization},
author = {Lucas S. Batista and Felipe Campelo and Frederico G. Guimarães and Jaime A. Ramírez},
journal= {arXiv preprint arXiv:2008.04224},
year = {2020}
}
备注
42 pages, 18 figures