[论文解读] Using External Archive for Improved Performance in Multi-Objective Optimization
本文提出了一种新颖的外部档案管理方案，通过超网格结构存储非支配解，以提升多目标优化性能。当与NSGA-II结合时，所提出的NSGA-II-FH算法显著增加了找到的Pareto最优解数量，尤其在目标函数评估成本较高的场景下，由于高效的档案处理，计算开销极低，且当函数评估占主导地位时对运行时间的影响可忽略不计。
It is shown that the use of an external archive, purely for storage purposes, can bring substantial benefits in multi-objective optimization. A new scheme for archive management for the above purpose is described. The new scheme is combined with the NSGA-II algorithm for solving two multi-objective optimization problems, and it is demonstrated that this combination gives significantly improved sets of Pareto-optimal solutions. The additional computational effort because of the external archive is found to be insignificant when the objective functions are expensive to evaluate.
研究动机与目标
- 探究仅用于存储的外部档案是否能显著提升多目标进化算法中Pareto最优解的质量与多样性。
- 解决标准NSGA-II的局限性，即由于种群大小限制，最多只能保留N个非支配解。
- 开发一种内存高效的档案管理方案，使跨代保存更多非支配解成为可能。
- 评估将新档案方案与NSGA-II结合在基准问题和真实工程问题上的性能提升。
- 量化外部档案的计算开销，并证明当目标函数评估成本昂贵时，其开销可忽略不计。
提出的方法
- 提出一种基于超网格的档案管理方案，当新非支配解落在当前超网格之外时，动态调整网格边界。
- 使用最大单元格数（N_cells^max）和每单元格最大解数（N_sols^max）来控制档案大小并维持多样性。
- 实施一种剪枝策略，当档案达到容量时，从最密集的超立方体中移除解，确保目标空间内分布均匀。
- 在不修改父代选择或环境选择机制的前提下，将外部档案集成到NSGA-II中，使其成为即插即用的增强模块。
- 采用参考点和步长（Δf_k）定义超网格结构，实现对目标空间的可扩展且自适应的覆盖。
- 通过将所有代际中的非支配解存储在外部档案中，同时让主种群独立演化，将该方案应用于NSGA-II。
实验结果
研究问题
- RQ1仅用于存储的外部档案是否能显著提升多目标优化中Pareto最优解的多样性和质量？
- RQ2与传统有限档案策略相比，所提出的基于超网格的档案管理方案在内存效率和解分布方面表现如何？
- RQ3维护外部档案的计算成本是多少？当目标函数评估成本昂贵时，该成本是否仍可忽略不计？
- RQ4NSGA-II-FH算法在找到的非支配解数量方面，相较于标准NSGA-II的性能提升程度如何？
- RQ5外部档案是否使发现的Pareto最优解数量超过种群大小本身所能允许的数量？
主要发现
- NSGA-II-FH算法发现的Pareto最优解数量显著多于标准NSGA-II，尤其在目标函数评估成本较高的问题中。
- 在VNT问题中，NSGA-II-FH产生的非支配解数量远超NSGA-II（后者受限于60人的种群大小）。
- 在放大器设计问题中，NSGA-II-FH生成了比NSGA-II更完整且更丰富的Pareto集，后者受种群大小限制。
- 在放大器问题中，外部档案的计算开销可忽略不计，因为函数评估时间主导了总运行时间。
- 在VNT问题中，NSGA-II-FH的CPU时间高于NSGA-II（例如，400代时分别为177 ms和41 ms），但解质量的提升使其成本合理。
- 所提出的档案管理方案使跨代保存的非支配解数量大幅增加，有效捕获了种群访问过的全部Pareto最优解集合。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。