受限连续多目标优化问题的特征化：性能空间视角
摘要：受到关注的约束多目标优化在过去几年中已经获得了很大的兴趣。然而，约束多目标优化问题（CMOPs）仍然不令人满意地被理解。因此，选择适当的CMOPs进行基准测试是困难的，并且缺乏一个正式的背景。本文通过从性能空间的角度探索CMOPs来解决这个问题。首先，它提出了一种新颖的性能评估方法，专门设计用于约束多目标优化。这种方法同时测量了在逼近帕累托前沿和约束满足方面的性能。其次，它提出了一种衡量给定优化问题在区分算法性能方面的能力的方法。最后，该方法被用来对比八个常用的人工测试集的CMOPs。实验结果显示哪些测试集在区分三种著名的多目标优化算法方面更有效。基准测试设计者可以根据这些结果选择最适合他们需求的CMOPs。
作者：Aljov{s}a Vodopija, Tea Tuv{s}ar, Bogdan Filipiv{c}
论文ID：2302.02170
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-02-07