Jun, 2024

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

PDF
TL;DR我们首次引入了单目标算法，其可成功用于不同类别的约束子模拟最大化问题，并通过增加搜索空间的可行区域来处理这些问题。
发现论文，激发创造
  • 多目标进化算法优化子模函数或单调近似子模函数

    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

  • 带概率约束问题的三目标帕累托优化

    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

  • 使用三目标进化算法求解动态禁制条件背包问题

    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

  • 在噪声存在的情况下多目标进化算法的运行分析

    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

  • 使用滑动窗口选择的快速帕累托优化

    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

  • 利用 MOEA/D 求解多目标最小权重基问题的严格运行时分析

    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

  • 子网络多目标进化算法实现过滤器剪枝

    本研究提出了一种基于子网络的多目标进化算法用于卷积神经网络过滤器裁剪，通过逐步组合卷积层裁剪，可以在保持更好性能的同时得到轻量化的裁剪结果。

    Oct, 2022

  • 在线动态次模优化

    该研究提出了用于在线二元优化的一种新算法，基于子模函数实现，并在动态环境下添加普适约束，最后通过测试发现算法在快速响应能力和网络再配置等方面具有广泛的应用价值。

    Jun, 2023

  • $(1+(λ,λ))$ 全局 SEMO 算法

    本研究设计了一种遗传算法以及动态参数设置，针对多目标优化问题达到更快的运行时，并在算法证明过程中对其在运行时方面进行了验证。

    Oct, 2022

  • 多目标同时乐观优化

    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