基于存档的单目标进化算法在子模规化优化问题上的应用
本论文研究基于多目标进化算法 GSEMO-C 的子模最大化问题(包括有 / 无大小约束的子模函数最大化问题,以及有大小约束的单调逼近子模函数最大化问题),证明了该算法可以在多项式期望运行时间内实现很好的近似效果。
Nov, 2017
本文研究了使用三目标公式来解决具有机会约束的问题,证明该公式在处理确定性基数约束时只需进行 1 位翻转即可计算所有所需的权衡,并且在实验中检验了其在优化支配集问题中的好处。
Apr, 2023
研究探讨应用三目标进化算法解决具有随机和动态约束的背包问题,通过将体重和背包容量建模为随机和动态组成部分,与二目标公式相比,三目标公式在应对动态背包问题中具有明显优势。
Apr, 2024
通过数学运行分析一个简单的多目标进化算法 (MOEA) 在评估函数噪声存在的情况下对模拟基准的第一次 Pareto 前沿的发现表明,MOEA 的稳健性源于其隐式多样性机制,该机制旨在使其能够计算涵盖整个 Pareto 前沿的人口。
May, 2023
本文介绍了一种滑动窗口加速技术,通过使用这种技术减少算法中的种群规模,达到与之前的方法相同的理论性能保证,同时显著提高解决一系列最大覆盖问题实例和约束设置的结果。
May, 2023
研究了多目标最小重量基问题的性质,并给出了 MOEA/D 算法的运行时间分析,表明在理论和实践方面都比已有的算法更优,可望在预期的多项式时间内找到所有的极值点。
Jun, 2023
本文介绍了一种基于多臂赌博机的乐观方法,称之为多目标同时乐观优化(MO-SOO)。该算法通过结合多个多臂赌博机在多目标问题的可行决策空间中建立分层结构,以识别帕累托最优解。通过描述该算法的有限时间和渐近行为,分别分析了算法的上界和一致性性质。在 300 个双目标基准问题中,与三个随机算法进行比较,MO-SOO 表现出与顶尖随机算法一致的性能,即 SMS-EMOA 算法。
Dec, 2016