Probabilistic variable selection-based evolutionary algorithm for large-scale sparse multiobjective optimization

Shuai Shao

doi:10.1007/s40747-026-02346-9

Probabilistic variable selection-based evolutionary algorithm for large-scale sparse multiobjective optimization

2026-07-21

0

OA

AI

DOI：10.1007/s40747-026-02346-9

原文链接

原文求助

摘要

En 中文

大规模稀疏多目标优化问题（LSMOPs）的特点在于其帕累托最优解中仅有少量决策变量是真正关键的且取非零值。高效识别这些变量并在高维空间中生成稀疏帕累托最优解仍是一个主要挑战。为解决此问题，本文提出了一种概率变量选择方法，该方法基于种群进化信息，为每个决策变量精确分配其被选为关键变量的概率。在生成每个子代解时，与现有LSMOEAs只能处理有限变量子集或每次仅选择一个关键变量不同，所提算法可同时确定每个决策变量是否被选为关键变量，直接将大量非关键变量置零。这增强了高维决策空间中的探索能力，同时保持不同规模LSMOPs上的稳定性能。在基准和真实世界LSMOPs上的大量实验表明，所提算法能更快识别稀疏结构并更彻底优化关键变量，在不同问题规模下均优于大多数当前最先进的LSMOEAs。

Keyword:

Large-scale multi-objective optimization

Sparse Pareto optimal solutions

Evolutionary algorithm

Real-world sparse applications

Probabilistic variable selection-based evolutionary algorithm for large-scale sparse multiobjective optimization

摘要

期刊

机构

引用论文