多目标优化的并行算法组合的自动构建
摘要：并不存在一种可以在所有可能的多目标优化问题（MOPs）上超越其他所有MOEAs的通用最佳多目标进化算法（MOEA）. 本文提倡使用并行算法组合（PAP），在并行运行多个MOEAs并选取最好结果的基础上，结合不同MOEAs的优点。由于手动构建PAP是非平凡且乏味的，我们提出自动构建高效性能的MOPs的PAPs。具体地，我们首先提出了PAPs的变体，即MOEAs/PAP，它比传统的PAPs更能确定MOPs的输出解集。然后，我们提出了一种自动构建MOEAs/PAP的方法，该方法使用一种新颖的性能评估度量指标评估多个MOPs上MOEAs的性能。最后，我们使用所提出的方法基于一组MOPs的训练集和由几个NSGA-II变体定义的算法配置空间，构建了一个MOEAs/PAP。实验结果表明，自动构建的MOEAs/PAP甚至可以与由人工专家设计的最先进集成MOEAs相媲美，展示了多目标优化中自动构建PAPs的巨大潜力。
作者：Xiasheng Ma, Shengcai Liu, Wenjing Hong
论文ID：2211.09498
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-06-08