关于解决双目标最小生成树问题的单目标子图变异
摘要：通过进化计算，我们为经典的NP-难多目标最小生成树问题（moMST）的 Pareto 集合提供了高效的近似方法。更具体地说，我们在初步工作的基础上，分析 Pareto 最优生成树的邻域结构，并设计了几种基于子图的高度偏置的突变算子。简而言之，这些算子用局部最优子树替换候选解的（不）连接子树。后者（偏置）步骤通过将 Kruskal 的单目标 MST 算法应用于子图的加权和标量化来实现。 我们证明了所介绍算子的运行时复杂度结果，并研究了理想的 Pareto 有益特性。该特性说明突变体不会被其父代所占优势。此外，我们进行了广泛的实验基准研究，展示了该算子的实际适用性。我们的结果表明，基于子图的算子即使在严格限制的计算预算下，在四种具有 Pareto 前沿不同形状的完全图类中，也能击败文献中的基准算法。
作者：Jakob Bossek, Christian Grimme
论文ID：2306.00222
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-06-02