具有随机利润的背包问题的进化多目标算法
摘要：多目标演化算法在各种随机组合优化问题中已被广泛证明是成功的。在复杂的实际情况中，概率约束优化起着重要作用，因为它允许决策者考虑环境的不确定性。我们考虑了一种具有随机利润的背包问题的版本，以确保解的利润达到一定的置信水平。我们引入了利润概率约束背包问题的多目标表述，并设计了三种独立于特定置信水平的双目标适应度评估方法。我们使用着名的多目标演化算法GSEMO和NSGA-II对我们的方法进行评估。此外，我们还引入了一种用于GSEMO的过滤方法，通过根据置信水平定期从中间种群中删除某些解决方案来提高最终种群的质量。我们在多个基准测试中展示了我们的方法的有效性，其中背包物品的不确定性固定且均匀，以及不确定性与物品的预期利润呈正相关。
作者：Kokila Perera and Aneta Neumann and Frank Neumann
论文ID：2303.01695
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-03-06