要約
複雑な多目的最適化問題、特に非凸かつ不均一なパレート フロントを伴う問題に対処する場合、分解ベースの多目的進化アルゴリズム (MOEAD) は局所最適に収束することが多く、それによって解の多様性が制限されます。
この問題の重要性にもかかわらず、理論的な検討は限られています。
包括的な幾何学的解析を通じて、基準点 (RP) 選択の従来の方法がこの課題に根本的に寄与していることを特定しました。
これに応えて、局所最適化問題を克服するために設計された、革新的な RP 選択戦略である重みベクトル誘導およびガウスハイブリッド法を導入します。
このアプローチでは、重みベクトルの方向と一致し、ガウス分布を統合して 3 つの異なる RP カテゴリを組み合わせる新しい RP タイプが採用されています。
私たちの研究は 2 つの主要な実験要素で構成されています。1 つは理論的枠組みを検証するための 2014 年から 2022 年にわたる MOEAD の枠組み内の 14 のアルゴリズムを含むアブレーション研究、もう 1 つは従来の方法と切削加工の両方に対する私たちの提案した方法の有効性を評価するための一連の実証試験です。
-エッジの代替品。
結果は、私たちの方法が集団の多様性と収束の両方において顕著な改善を達成することを示しています。
要約(オリジナル)
When addressing the challenge of complex multi-objective optimization problems, particularly those with non-convex and non-uniform Pareto fronts, Decomposition-based Multi-Objective Evolutionary Algorithms (MOEADs) often converge to local optima, thereby limiting solution diversity. Despite its significance, this issue has received limited theoretical exploration. Through a comprehensive geometric analysis, we identify that the traditional method of Reference Point (RP) selection fundamentally contributes to this challenge. In response, we introduce an innovative RP selection strategy, the Weight Vector-Guided and Gaussian-Hybrid method, designed to overcome the local optima issue. This approach employs a novel RP type that aligns with weight vector directions and integrates a Gaussian distribution to combine three distinct RP categories. Our research comprises two main experimental components: an ablation study involving 14 algorithms within the MOEADs framework, spanning from 2014 to 2022, to validate our theoretical framework, and a series of empirical tests to evaluate the effectiveness of our proposed method against both traditional and cutting-edge alternatives. Results demonstrate that our method achieves remarkable improvements in both population diversity and convergence.
arxiv情報
| 著者 | Ting Dong,Haoxin Wang,Hengxi Zhang,Wenbo Ding |
| 発行日 | 2024-04-12 14:29:45+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google