标题：张谋钊-2017.04.27组会-使用自适应聚合函数的分解算法（MOEA/D-PaS）

Mz..

标题：张谋钊-2017.04.27组会-使用自适应聚合函数的分解算法（MOEA/D-PaS）
报告人：张谋钊

摘要：
在基于分解的多目标进化算法MOEA/D中，权重向量的聚合函数的设置都影响着算法的性能。而相对于权重向量，在聚合函数上的研究较少，所以作者在一类聚合函数上做了深入的研究。从研究中得到，这类方法的参数p权衡着算法的收敛性和分布性。参数p是否合适取决PF的形状，所以作者提出了PaS(PaS(Pareto Adative Lp Scalarizing)，该方法能够在PF未知的情况下，自适应地确定最佳的参数p。并把PaS与MOEA/D整合成MOEA/D-PaS，与其他对聚合函数改进的MOEA/D进行实验对比，实验结果表明了该方法具有较高的可行性。

作者提出的MOEA/D-PaS并非是要作为成熟的多目标优化算法，而是仅仅为了证明PaS的可行性。

文章只对一类聚合函数做了分析--Weighted distance(also called Lp) scalarizing methods。MOEA/D中提出的加权和与加权切比雪夫都是属于该类函数，而加权和与加权切比雪夫是比较常用的两种聚合函数，所以该研究具有一定意义。但毕竟只分析了一类，所以在聚合函数方面还是有很多工作可以做。

        
参考论文：
[1]Wang R, Zhang Q, Zhang T. Decomposition Based Algorithms Using Pareto Adaptive Scalarizing Methods[J]. IEEE Transactions on Evolutionary Computation, 2016, PP(99):1-1.
[2]Wang R, Zhang T, Guo B. An enhanced MOEA/D using uniform directions and a pre-organization procedure[M]. 2013.