非拥挤超体积改进：COMO-CMA-ES 与 Sofomore 框架
最优化与控制
2019-04-19 v1 神经与进化计算
摘要
我们提出了一个由单目标算法构建多目标算法的框架。该框架处理在 n 维搜索空间中寻找 p 个解、通过动态子空间优化最大化某一指标的 维问题。每个单目标算法在给定 个固定解的情况下优化该指标函数。关键在于，被支配解最小化其到由这 个解定义的经验帕累托前沿的距离。我们以 CMA-ES 作为单目标优化器来实例化该框架。新算法 COMO-CMA-ES 在双目标凸二次问题上被实证表明可线性收敛，并与 MO-CMA-ES、NSGA-II 和 SMS-EMOA 进行了比较。
引用
@article{arxiv.1904.08823,
title = {Uncrowded Hypervolume Improvement: COMO-CMA-ES and the Sofomore framework},
author = {Cheikh Touré and Nikolaus Hansen and Anne Auger and Dimo Brockhoff},
journal= {arXiv preprint arXiv:1904.08823},
year = {2019}
}