Jan, 2024
Deep-ELA: 基于自监督预训练变换器的深度探索性景观分析用于单目标和多目标连续优化问题
Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems
Moritz Vinzent Seiler, Pascal Kerschke, Heike Trautmann
TL;DR该研究提出了一个混合方法 Deep-ELA,结合了深度学习和 ELA 特征,用于分析单目标和多目标连续优化问题的算法行为和问题理解。