An Efficient Evolutionary Algorithm for Few-for-Many Optimization

Ke Shang

doi:10.1109/JAS.2026.125852

An Efficient Evolutionary Algorithm for Few-for-Many Optimization

2026-07-03

0

PRE

AI

Qingfu Zhang (Qingfu Zhang)

DOI：10.1109/JAS.2026.125852

原文链接

原文求助

摘要

En 中文

少对多（F4M）优化作为一种新型多目标优化范式，旨在寻找能有效处理大量冲突目标的小规模解集。与传统多目标优化方法不同，后者通常力求全面覆盖帕累托前沿，而F4M优化强调通过小规模代表性解集高效应对高维目标空间。鉴于F4M优化的计算复杂度与实际应用价值，本文提出一种新型进化算法，专门用于高效求解F4M优化问题。受S度量选择进化多目标优化算法（SMS-EMOA）启发，本研究采用由F4M优化目标引导的$(\mu+1)$进化策略。此外，为便于严格性能评估，本文基于R2指标与F4M表述的相似性，设计了一套新型基准测试套件。该测试套件具有高度灵活性，可利用加权切比雪夫函数标量化方法将任何现有多目标优化问题转化为对应的F4M实例。在基准测试上的全面实验评估表明，本算法相较于现有最先进算法具有更优性能，尤其在处理大量目标实例时表现突出。所提算法的源代码将公开发布。源代码可访问https://github.com/MOL-SZU/SoM-EMOA。

Keyword:

Evolutionary algorithm

few-for-many optimization

many-objective optimization (MOO)

multi-objective optimization

An Efficient Evolutionary Algorithm for Few-for-Many Optimization

摘要

期刊

机构

引用论文