哪些权重适合你？在基于分解的进化多目标优化中适应任意帕累托前沿形状权重
神经与进化计算
2017-09-11 v1
摘要
基于分解的进化多目标优化（EMO）算法生成的解决方案集质量严重依赖于给定问题的帕累托前沿形状与指定权重分布之间的一致性。在单纯形中均匀分布的权重集通常能在具有单纯形形状相似的帕累托前沿上产生一组分布良好的解，但在其他帕累托前沿形状上可能失败。如何在事先没有问题帕累托前沿信息的情况下指定一组合适的权重是一个开放问题。在本文中，我们提出一种在进化过程中调整权重的方法（称为AdaW）。AdaW通过详尽设计权重适应中的五个部分——权重生成、权重添加、权重删除、存档维护和权重更新频率，逐步为给定问题寻找合适的权重分布。实验结果显示了所提方法的有效性。AdaW适用于形状非常不同的帕累托前沿：1）单纯形类，2）反单纯形类，3）高度非线性，4）断开的，5）退化的，6）不良缩放的，7）高维的。
引用
@article{arxiv.1709.02679,
title = {What Weights Work for You? Adapting Weights for Any Pareto Front Shape in Decomposition-based Evolutionary Multi-Objective Optimisation},
author = {Miqing Li and Xin Yao},
journal= {arXiv preprint arXiv:1709.02679},
year = {2017}
}
备注
22 pages, 19 figures