IcSDE+ -- 一种用于约束多目标优化的指标
摘要：受限多目标进化算法的有效性取决于它们在演化过程中能否利用非可行解中存在的信息，并优化多个冲突目标以达到不同的可行区域。多年来，研究人员提出了几种处理受限多目标问题的受限多目标进化算法。然而，在不同的受限多目标进化算法中，大多数是基于分解或帕累托的，对基于指标的受限多目标进化算法的研究较少。在文献中，大多数基于指标的受限多目标进化算法使用传统的指标来解决无约束多目标问题，通过使用目标值找到指标值，并将它们与整体约束违规结合起来解决约束多目标优化问题，或者在实际目标之外，将每个约束或总体约束违规视为目标。在本文中，我们提出了一种称为IcSDE +的有效单种群基于指标的受限多目标进化算法，可以在搜索空间中探索不同的可行区域。IcSDE + 是约束违规 (I)、基于位移的密度估计 (SDE) 和目标和 (+) 的一种高效融合。通过与9种最先进的受限多目标进化算法在6个具有不同特征的基准套件上进行比较，证明了使用IcSDE + 的受限多目标进化算法的性能优越性。
作者：Oladayo S. Ajani, Rammohan Mallipeddi and Sri Srinivasa Raju M
论文ID：2305.18734
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-05-31