HVC-RankNet: A Hypervolume Contribution Ranking Network Embedded in Reference-Vector-Based Algorithms for Many-Objective Optimization Problems

doi:10.1109/tevc.2026.3724941

HVC-RankNet: A Hypervolume Contribution Ranking Network Embedded in Reference-Vector-Based Algorithms for Many-Objective Optimization Problems

2026-08-18

0

PRE

AI

DOI：10.1109/tevc.2026.3724941

原文链接

原文求助

摘要

En 中文

基于参考向量的多目标进化算法（MaOEAs）通常缺乏对候选解相对于当前所选解集的边际贡献进行显式评估的机制。这一局限性可能对帕累托前沿近似的覆盖质量产生负面影响。为此，将簇内竞争表述为一个集合条件下的边际增益排序问题，并提出了一种通用的超体积贡献（HVC）引导的簇内选择算子，用于基于参考向量的MaOEAs。为进一步提高该算子的效率，开发了一种HVC排序网络（HVC-RankNet），作为一种非对称的上下文感知排序模型，针对该表述进行批处理式簇内候选解的排序。此外，提供了理论分析以证明所提出的算子和排序模型。实验结果表明，HVC-RankNet在大多数评估设置中达到了领先或具有竞争力的排序精度。当嵌入五种基于参考向量的MaOEAs中时，所提出的算子主要改善了HV导向的覆盖质量，并常常产生有利的IGD⁺结果，而其对均匀性导向的多样性和运行时间的影响则不太一致。

Keyword:

Hypervolume contribution

intra-cluster selection

learning-to-rank

many-objective optimization

reference-vector-based algorithms

HVC-RankNet: A Hypervolume Contribution Ranking Network Embedded in Reference-Vector-Based Algorithms for Many-Objective Optimization Problems

摘要

期刊

机构

引用论文