[论文解读] Multi-objective beetle antennae search algorithm

Junfei Zhang, Yimiao Huang+2 more|arXiv (Cornell University)|Feb 24, 2020

Advanced Multi-Objective Optimization Algorithms参考文献 21被引用 12

一句话总结

本文提出了一种新型的多目标蝙蝠触角搜索算法（MAS-BAS），以高效求解具有多个冲突目标和高维变量的复杂非线性多目标优化问题。通过将原始蝙蝠触角搜索算法的个体智能机制适配于处理帕累托前沿近似，该方法在基准函数上的计算效率更高，收敛精度更令人满意，优于现有的多目标元启发式算法。

ABSTRACT

In engineering optimization problems, multiple objectives with a large number of variables under highly nonlinear constraints are usually required to be simultaneously optimized. Significant computing effort are required to find the Pareto front of a nonlinear multi-objective optimization problem. Swarm intelligence based metaheuristic algorithms have been successfully applied to solve multi-objective optimization problems. Recently, an individual intelligence based algorithm called beetle antennae search algorithm was proposed. This algorithm was proved to be more computationally efficient. Therefore, we extended this algorithm to solve multi-objective optimization problems. The proposed multi-objective beetle antennae search algorithm is tested using four well-selected benchmark functions and its performance is compared with other multi-objective optimization algorithms. The results show that the proposed multi-objective beetle antennae search algorithm has higher computational efficiency with satisfactory accuracy.

研究动机与目标

• 解决具有多个冲突目标和高维变量空间的大规模、非线性多目标优化问题的挑战。
• 克服在这些问题中寻找帕累托前沿通常伴随的高计算成本。
• 通过将蝙蝠触角搜索（BAS）扩展至多目标场景，利用基于个体智能算法的计算效率。
• 在收敛速度和多目标问题的解精度方面，优于现有的群体智能元启发式算法。
• 在各种约束条件下，通过标准基准函数验证所提算法的有效性。

提出的方法

• 将原始单目标蝙蝠触角搜索（BAS）算法（基于生物启发的觅食机制）适配为可同时处理多个目标。
• 引入外部档案以存储非支配解，并保持帕累托前沿近似的多样性。
• 实施拥挤度距离机制，以在外部档案中保持非支配解之间的多样性。
• 采用受蝙蝠触角运动启发的动态步长策略，以在搜索空间中平衡探索与开发。
• 基于非支配排序和拥挤度距离的选取机制，引导搜索朝向真实的帕累托前沿。
• 集成局部搜索增强策略，以在优化的最后阶段提高收敛精度。

实验结果

研究问题

• RQ1 蝙蝠触角搜索算法能否被有效扩展以处理具有冲突目标的多目标优化问题？
• RQ2 所提出的MAS-BAS算法在收敛速度和解精度方面与已建立的多目标元启发式算法相比如何？
• RQ3 该算法在不同基准问题中对帕累托前沿近似的多样性保持程度如何？
• RQ4 外部档案与拥挤度距离机制的集成是否提升了非支配解的质量？
• RQ5 MAS-BAS算法在求解具有高非线性和多约束的高维变量多目标问题时表现如何？

主要发现

• 所提出的多目标蝙蝠触角搜索算法（MAS-BAS）在基准函数上的计算效率高于其他测试的多目标优化算法。
• MAS-BAS在近似真实帕累托前沿方面表现出令人满意的精度，且在所有四个基准问题中均表现出一致的收敛性。
• 该算法在非支配解集中保持了良好的多样性，表现为解在帕累托前沿上分布均匀。
• 动态步长和外部档案机制显著提升了收敛速度和解的质量。
• 对比结果表明，MAS-BAS在选定基准上的收敛性和分布性度量方面优于多种最先进的多目标元启发式算法。
• 该算法在处理高非线性和多约束问题方面尤为有效，表明其在复杂搜索空间中具有强大的鲁棒性。