高度多目标优化的技术：一些非支配解更好
摘要：扩展多目标优化领域的研究是为了更好地理解和掌握扩展多目标优化算法的特性和能力，并且在实际场景中积累了大量有效性的证据。一个紧迫的新问题是，当问题具有许多（例如五个或更多）目标时，受欢迎的扩展多目标优化算法的扩展能力较差。这主要原因之一被认为是，在多目标扩展多目标优化搜索中，种群主要由非支配解组成。反过来，这意味着常用的算法无法区分这些解以进行选择。然而，有一些方法可以有效地对非支配解进行排序，因此可以在扩展多目标优化搜索中有用地支持选择。在这里，我们讨论和比较了几种这样的方法。我们的主要发现是，常常被忽视的平均排名策略的简单变体通常优于其他测试方法，适用于具有5-20个目标和不同数量的目标间相关性的问题。
作者：David Corne and Joshua Knowles
论文ID：0908.3025
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2009-08-24