前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >论文拾萃|多目标优化Knee前沿搜索方法研究进展

论文拾萃|多目标优化Knee前沿搜索方法研究进展

作者头像
用户1621951
发布2021-06-09 10:13:28
1.2K0
发布2021-06-09 10:13:28
举报
文章被收录于专栏:数据魔术师

多目标优化Knee前沿搜索方法研究进展

精品论文推荐

李文桦,张涛,王锐*,王凌,多目标优化Knee前沿搜索方法研究进展,控制理论与应用,2021.03

https://kns.cnki.net/kcms/detail/44.1240.TP.20210330.1650.047.html

超多目标优化是近年来进化多目标优化领域的一个研究热点,相关算法大多沿用传统进化多目标优化算法的模式,试图找到整个Pareto前沿。然而,超多目标优化问题中目标个数较多,算法需要更大的种群规模才能合理地描绘出完整的Pareto前沿。显然这样不仅增加了算法的运行时间,更增加了(决策者)最终解的选择难度。因此,聚焦于搜索Pareto前沿的knee区域显得尤为重要,近年来也得到了越来越多学者的关注。Knee点指的是Pareto前沿上具有最大边际效用的点,在这个点上,单独提升某一个目标的优化值将带来其他目标值的巨大衰退,因此该点通常被认为是对决策者最具吸引力的点。近年来,围绕knee的研究逐渐成为热点,涌现了一系列相关文献。鉴于此,文章《多目标优化Knee前沿搜索方法研究进展》对多目标优化中knee前沿搜索相关的方法进行总结,包括knee的检测方法、保留策略、测试问题等,并对多目标优化的knee前沿搜索未来研究工作进行展望。

一、在knee的检测方法上,根据knee的定义与特性,大体上可以分为两类:一是根据knee在Pareto前沿上的几何特征进行检测。与Pareto前沿的其他部分不同,knee区域具有明显的几何特征,即knee区域Pareto前沿的曲率发生突变。二是利用Pareto前沿上评价解之间权衡的指标。在knee区域,目标函数值之间的影响增大,通过计算此类影响来检测knee区域。

基于角度的方法:在迭代的每一代中,对每一个解,计算它与相邻节点形成的角度。在全部获得角度之后,拥有局部最大角度的点既为knee。

基于距离的方法:连接Pareto前沿的极端点形成直线(超平面),计算Pareto前沿上点到该直线(超平面)的距离,距离最大的解即为knee。

基于最小曼哈顿距离的方法:首先对目标值进行归一化,然后计算Pareto前沿上各个解的曼哈顿距离,具有最小曼哈顿距离的解既为当前的全局knee点。

文章还详细介绍了基于期望边际效用、基于Trade-off、基于锥支配等的knee检测方法,并详细分析了各类方法的优缺点。

二、测试问题及评价指标上,文章分别分析了DO2DK、DEB2DK、DEB3DK以及PMOP系列测试问题,指出了各测试问题的相关特性。其次,文章分析了评价knee算法性能的指标。

图 DEB2DK和DEB3DK测试问题的Pareto前沿以及knee点分布情况

三、最后,文章对knee的研究提出了展望,指出一是结合强化学习等机器学习方法,提高knee检测的效率和效果;二是开发用于展示高维Pareto前沿knee特征的可视化方法;三是将基于knee的进化算法应用到需要动态决策的问题中。

【END】

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-05-27,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据魔术师 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档