基于自变量简约的大规模稀疏多目标优化.pdfVIP

第41卷第6期计算机应用研究Vol.41No.6

2024年6月ApplicationResearchofComputersJun.2024

基于自变量简约的大规模稀疏多目标优化

丘雪瑶，辜方清

（广东工业大学数学与统计学院，广州510520）

摘要：现有的大多数进化算法在求解大规模优化问题时性能会随决策变量维数的增长而下降。通常，多目标

优化的Pareto有效解集是自变量空间的一个低维流形,该流形的维度远小于自变量空间的维度。鉴于此,提出

一种基于自变量简约的多目标进化算法求解大规模稀疏多目标优化问题。该算法通过引入局部保持投影降维，

保留原始自变量空间中的局部近邻关系，并设计一个归档集，将寻找到的非劣解存入其中进行训练，以提高投影

的准确性。将该算法与四种流行的多目标进化算法在一系列测试问题和实际应用问题上进行了比较。实验结

果表明,所提算法在解决稀疏多目标问题上具有较好的效果。因此,通过自变量简约能降低问题的求解难度,提

高算法的搜索效率，在解决大规模稀疏多目标问题方面具有显著的优势。

关键词：局部保持投影；进化算法；大规模稀疏多目标优化问题

中图分类号：TP18文献标志码：A文章编号：1001-3695(2024)06-009-1663-06

doi:10.19734/j.issn.1001-3695.2023.10.0522

Evolutionaryalgorithmusingdimensionalityreductionfor

sparsemulti-objectiveoptimization

QiuXueyao,CuFangqing

(SchoolofMathematicsStatistics,GuangdongUniversityofTechnology,Guangzhou510520,China)

Abstract:Theperformanceofmostexistingevolutionaryalgorithmstendstodecreaseasthedimensionofthedecisionvaria-

blesincreasesforsolvinglarge-scaleoptimizationproblems.TheParetosolutionsetofamulti-objectiveoptimizationisalow

dimensionalmanifoldinthedecisionspace,whosedimensionismuchsmallerthanthatofthedecisionvariablesspace.Ac-

cordingly,thispaperproposedamulti-objectiveevolutionaryalgorithmbasedondimensionalityreductionofdecisionvariables

tosolvelarge-scalesparsemulti-objectiveoptimizationproblems.Itpreservedlocalneighborhoodinformationintheoriginalde-

cisionvariablesspacebyusinglocalitypreservingprojections,anddesignedanarchivesettotrainthenon-dominat