多目标优化中评估进化过程的比较可视分析框架
摘要：进化多目标优化（Evolutionary multi-objective optimization，EMO）算法已被证明在解决多准则决策问题中是有效的。在现实世界的应用中，分析师经常同时使用多个算法，并比较它们的解集，以了解不同算法的特点，并探索更广泛的可行解范围。然而，EMO算法通常被视为黑盒，导致难以进行详细的分析和比较内部进化过程。受可解释人工智能中可视分析工具成功应用的启发，我们认为交互式可视化可以极大地增强多个EMO算法之间的比较分析。本文提出了一个可视分析框架，可以探索和比较EMO算法中的进化过程。在文献综述和专家访谈的指导下，所提出的框架解决了各种分析任务，并建立了一个多方面的可视化设计，以支持对进化过程中中间世代和解集的比较分析。我们通过基准测试和实际应用多目标优化问题的案例研究来展示我们的框架的有效性，以阐明分析师如何利用我们的框架来检查和比较不同的算法。
作者：Yansong Huang, Zherui Zhang, Ao Jiao, Yuxin Ma, Ran Cheng
论文ID：2308.05640
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-08-11