进化多目标优化的广义标量化方法
摘要：基于分解的多目标进化算法（MOEA/D）将多目标优化问题（MOP）转化为一组单目标子问题进行协同优化。子问题和解决方案之间的不匹配可能会导致MOEA/D的性能严重下降。大多数现有的不匹配应对策略仅在使用$L\_{infty}$标量化时有效。对于MOEA/D来说，一个可以使用任何$L\_{p}$标量化的不匹配应对策略，甚至在面对非凸Pareto前沿的MOPs时也是非常重要的。本文以全局替代（GR）作为骨架。我们分析了当$L\_{infty}$被另一个具有$pin [1,infty)$的$L\_{p}$所取代时，GR无法再避免不匹配的问题，并发现基于$L\_p$（$1leq p 作者：Ruihao Zheng and Zhenkun Wang 论文ID：2212.01545 分类：Neural and Evolutionary Computing 分类简称：cs.NE 提交时间：2022-12-06