Phân hủy là một chiến lược cơ bản trong multiobjective truyền thống
tối ưu hóa. Tuy nhiên, nó vẫn chưa được sử dụng rộng rãi
trong tối ưu hóa tiến hóa multiobjective. Bài viết này đề xuất
một thuật toán tiến hóa multiobjective dựa trên phân hủy
(MOEA / D). Nó phân hủy một vấn đề tối ưu hóa multiobjective
vào một số bài toán tối ưu hóa vô hướng và tối ưu hóa
chúng cùng một lúc. Mỗi bài toán con được tối ưu hóa bằng cách chỉ
sử dụng thông tin từ một số bài toán láng giềng của nó,
mà làm cho MOEA / D có độ phức tạp tính toán thấp hơn ở
mỗi thế hệ hơn MOGLS và nondominated phân loại di truyền
thuật toán II (NSGA-II). Kết quả thí nghiệm đã chứng minh
rằng MOEA / D với các phương pháp phân hủy đơn giản làm việc tốt hơn
hoặc thực hiện giống như MOGLS và NSGA-II trên multiobjective
0-1 bài toán xếp ba lô và tối ưu hóa multiobjective liên tục
vấn đề. Nó đã được chứng minh rằng MOEA / D sử dụng mục tiêu
bình thường có thể đối phó với các mục tiêu disparately quy mô, và
MOEA / D với một phương pháp phân hủy nâng cao có thể tạo ra
một tập hợp các giải pháp phân bố rất đồng đều cho kiểm tra 3 quan
trường. Khả năng của MOEA / D với dân số nhỏ, khả năng mở rộng
và độ nhạy của MOEA / D cũng đã được thực nghiệm
điều tra trong bài báo này.
đang được dịch, vui lòng đợi..