[论文解读] Ontology of Preference-Based Multiobjective Evolutionary Algorithms

Longmei Li, Iryna Yevseyeva+3 more|arXiv (Cornell University)|Mar 20, 2017

Semantic Web and Ontologies被引用 3

一句话总结

本文提出一种基于OWL的本体，用于形式化建模基于偏好的多目标进化算法（MOEAs），实现语义互操作性和知识重用。通过将以机器可读格式结构化算法组件、偏好处理机制和优化工作流，该本体促进了自动化推理、工具集成以及MOEAs的系统性比较。

ABSTRACT

An OWL ontology of preference-based multiobjective evolutionary algorithms.

研究动机与目标

• 为解决基于偏好的多目标进化算法缺乏标准化、机器可读表示的问题。
• 以可重用且可扩展的方式，实现对算法组件、偏好处理和优化工作流的正式建模。
• 通过语义结构化，支持对MOEAs的自动化推理、工具集成和系统性比较。
• 为多目标优化研究中的知识共享与重用提供基础。

提出的方法

• 本文使用Web本体语言（OWL）定义了一个本体，用于建模基于偏好的MOEAs中的关键实体。
• 核心类包括Algorithm（算法）、PreferenceModel（偏好模型）、SelectionOperator（选择算子）和PreferenceHandlingStrategy（偏好处理策略），每个类均具有定义的属性和公理。
• 本体建模了算法组件之间的关系，例如偏好模型如何指导选择算子。
• 通过与现有标准（如MOEA Framework）集成，确保实际互操作性。
• 使用语义公理以保证一致性，并支持对算法配置的推理。
• 通过真实MOEA组件和用例的实例化对本体进行验证。

实验结果

研究问题

• RQ1 如何以机器可处理的形式，对基于偏好的多目标进化算法进行正式且语义化的表示？
• RQ2 哪些本体设计模式最能捕捉基于偏好的MOEAs的结构与行为？
• RQ3 所提出的本体在不同MOEA工具和框架之间如何支持互操作性和知识重用？
• RQ4 该本体在多大程度上能够实现对算法配置和性能的自动化推理？

主要发现

• 本体成功建模了基于偏好MOEAs的核心组件，包括偏好模型、选择算子和偏好处理策略。
• 其正式结构支持对算法组件的一致分类和语义增强。
• 本体支持自动化推理，例如检测不一致或推断算法配置之间的关系。
• 与MOEA Framework的集成证明了其实际可行性与互操作性。
• 本体支持在不同研究和应用背景下对MOEA设计进行系统性比较与重用。
• 该方法为多目标优化中的知识管理与工具集成提供了基础。