一种按需更新的非支配排序进化算法-计算机科学-多目标优化-算法.pdfVIP

一种按需更新的非支配排序进化算法

12311

LucasR.C.Farias,AbimaelJ.F.Santos,MatheusR.B.Nobre

1CentrodeInformática

UniversidadeFederaldePernambuco(UFPE)–Recife,PE–Brazil

{lrcf,ajfs,mrbn}@cin.ufpe.br

2CESARSchool-Recife,Pernambuco–Brazil

lrcf@cesar.school

本3DepartamentodeCiênciadaComputação

译UniversidadeCatólicadePernambuco(UNICAP)–Recife,PE–Brazil

中

1lucas.farias@unicap.br

v

4

6Abstract.NSGA-III算法依赖于均匀分布的参考点来促进多目标优化问

8

3题中的多样性。然而，当面对不规则Pareto前沿时，这种策略可能表现不

0

.佳，某些向量可能会与任何最优解无关。虽然自适应方案如A-NSGA-III

7

0通过动态修改参考点解决了这一问题，但在常规场景中它们可能会引入不

5

2必要的复杂性。本文提出了NSGA-III按需更新（NSGA-III-UR），这是一

:

v种混合算法，根据Pareto前沿的估计规律性选择性地激活参考向量适应。

i

x

r在基准套件（DTLZ1–7,IDTLZ1–2）和实际问题上的实验结果表明，

a

NSGA-III-UR在各种问题环境中始终优于NSGA-III和A-NSGA-III。

1.介绍

多目标优化问题（MOPs）定义为同时优化两个或多个相互冲突的目标函数，

其目的是近似捕获目标之间权衡的帕累托最优前沿（POF）。在此背景下，进化算法

因其固有的能力探索解空间的不同区域并在世代间维持非支配解种群而变得突出

[DebandJain2014,Ishibuchietal.2017]。

随着目标数量的增加，导致多目标优化问题（MaOPs），传统的基于支配关系

的算法在收敛性和多样性保持方面面临重大挑战。NSGA-III作为MaOPs的主要

方法之一，通过使用一组均匀分布的目标空间参考点来引导选择压力并确保解的

分散[DebandJain2014]。然而，其依赖于固定的参考向量，在处理具有不规则或

非凸Pareto前沿的问题时构成了一种限制，在这种情况下，某些参考点可能永远

不会与任何解相关联，而其他一些则可能会吸引多个候选者[JainandDeb2013]。

几种自适应扩展被提出以解决这一问题，包括A-NSGA-

III[JainandDeb2013]，它通过基于种群分布的包含和排除操作动态调整参

考点。尽管这些方法引入了灵活性，但它们可能会无意中扭曲参考向量的一致性，

特别是在原始配置仍然足够的情况下应用自适应时，例如具有规则POF的问题。

最近的研究强调了自适应优化中上下文感知的重要性，其中改变参考向量的

决策应考虑POF[deFariasandAraújo2022]的内在形状和规律性。特别是，Farias

和Araújo提出了一种通过扩散指数（SI）评估目标空间规律性的方法，使超参数

配置