探究基于参考点的偏好进化多目标优化中的归一化
摘要：优化多目标进化（EMO）中的目标标准化在处理具有不同尺度的目标函数方面起着至关重要的作用，这在现实世界的问题中很常见。尽管文献中已经对标准化方法对EMO算法性能的影响进行了研究，但对基于偏好的多目标进化（PBEMO）算法的影响却知之甚少。由于PBEMO的目标是近似一个感兴趣的区域，其种群通常不会涵盖目标空间中的Pareto前沿。这个特性可能会使PBEMO中的目标标准化变得困难。本文研究了三种标准化方法在三个具有代表性的PBEMO算法中的效果。我们提出了一种基于有界存档的方法来近似最坏点。首先，我们证明了PBEMO中的标准化方法在逼近理想点、最坏点和PF范围方面的表现明显较差。然后，我们展示了PBEMO在具有不同尺度目标的问题上需要标准化目标。我们的结果表明，在PBEMO中没有明确的“最佳标准化方法”，但外部存档方法相对较好。
作者：Ryoji Tanabe
论文ID：2307.06562
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-07-14