机器学习和生物信息学实验室联盟

标题: 张菘洺-2016.6.17组会-MOEAD改进算法及NSGA3 [打印本页]

作者: zhangsongming 时间: 2016-6-16 22:41
标题: 张菘洺-2016.6.17组会-MOEAD改进算法及NSGA3
标题：张菘洺-2016.6.17组会-MOEAD改进算法及NSGA3
报考人：张菘洺
摘要： I-DBEA 算法与其说是MOEA/D算法在高维的改进到不如说是NSGA-III算法在选择策略上的改进算法。相比于NSGA-III算法在种群解的要求上仅仅是满足每一个参考向量都有关联解(试图让解具有更好的多样性，或者在HV指标上有更好的表现)，I-DBEA算法不仅考虑了解的多样性问题，也充分考虑了解的收敛性。除此之外，两个算法在找参考点的方式上也存在差异。NSGA-III在参考点上利用了极值点，而I-DBEA算法却用了corner-sort方式寻找参考点。I-DBEA这样做的好处在于参考点个数的控制上有明显的优势，对于M目标的问题corner solution有(2^m-1)个之多完全够选择，而NSGA-III就显得非常不足。总结两者的优劣与不同。
1：参考点选择上，NSGA-III用极值点，I-DBEA使用corner solution。
2：解的选择与淘汰上，NSGA-III使用的是单一距离关联，I-DBEA同时两个距离。

参考论文：
[1] A Decomposition-Based Evolutionary Algorithm forMany Objective Optimization (http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=6857344)
[2] A Decomposition-Based Evolutionary Algorithm for Many Objective Optimization (http://epubs.siam.org/doi/pdf/10.1137/S1052623496307510)
[3] Simulated Binary Crossover for Continuous Search Space (http://www.complex-systems.com/pdf/09-2-2.pdf)
[4] Decomposition Based Evolutionary Algorithm for Many Objective Optimization with Systematic Sampling and Adaptive Epsilon Control (https://www.shef.ac.uk/polopoly_fs/1.294451!/file/REF_18.pdf)
[5] A Pareto Corner Search Evolutionary Algorithm and Dimensionality Reduction in Many-Objective Optimization Problems (http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5699918)

作者: xzeng 时间: 2016-6-16 23:09
写得还比较专业。
三个问题：
1. corner sulution需要解释更详细点；
2. 两个距离是哪两个距离；
3. 参考文献里面的作者，杂志和年份写出来，这些信息读者会感兴趣。

欢迎光临机器学习和生物信息学实验室联盟 (http://123.57.240.48/)