.png){kind=icon}
返回
A Problem Landscape Visualisation Method for Multi-Objective Optimisation
.png){kind=icon}
OA
AI
DOI：10.3390/mca31030067.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解多目标优化问题（MOPs）的结构对于分析搜索难度和支持知情决策至关重要。在单目标优化中，适应度景观提供了问题的空间视图，但由于目标函数的向量特性，将此类可视化扩展到MOPs是具有挑战性的。本研究中，我们基于帕累托支配关系引入了一种用于多目标优化的适应度景观可视化技术——帕累托景观。我们阐述了帕累托景观的主要特征，将其与经典的适应度景观进行了关联，并考察了其在基准测试套件、约束问题、多模态问题和实际案例中的表现。我们还展示了它如何捕捉与优化难度相关的景观结构。与梯度场热图、PLOT、成本景观和约束成本景观的比较进一步表明，帕累托景观通过突出显示现有可视化方法中不可见的结构模式，提供了补充性见解。总体而言，结果表明帕累托景观为观察不同类别的多目标优化问题的结构提供了一种一致的方式。
Keyword:
multi-objective optimisation
visualisation
fitness landscape
Pareto dominance
期刊
M
IF:
2.1
论文数:
126
被引数:
0
机构
引用论文
分享收藏Plotting Impossible? Surveying Visualization Methods for Continuous Multi-Objective Benchmark Problems密谋不可能？连续多目标基准问题的测量可视化方法
PREAI
分享收藏Benchmarking Real-World Many-Objective Problems: A Problem Suite With Baseline Results.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容