Two-Stage Evolution for Large-Scale Binary Optimization: Feature-to-Score Transformation and Guided Refinement

Genghui Li

doi:10.1109/tsmc.2026.3717974

Two-Stage Evolution for Large-Scale Binary Optimization: Feature-to-Score Transformation and Guided Refinement

2026-08-05

0

PRE

AI

DOI：10.1109/tsmc.2026.3717974

原文链接

原文求助

摘要

En 中文

大规模多目标二元优化问题（LMBOPs）由于组合爆炸和目标冲突而具有挑战性。传统多目标进化算法（MOEAs）存在严重的可扩展性限制。为应对这些挑战，我们提出了一种具有特征到分数转换和引导式精化的两阶段进化算法（TSEA-FSTGR）：1）在特征到分数（F2S）转换阶段，变量级特征通过可进化权重向量映射到标量分数空间。同时，可进化的top- $k$ 阈值被协同优化以自适应控制解的稀疏性；2）在分数到二元（S2B）引导式精化阶段，F2S转换阶段学习的重要性分数用于引导原始二元空间中的精细搜索。交叉操作应用于父母之间不同但分数相似的变量。变异倾向于激活高分数的未激活变量并停用低分数的激活变量。在多种LMBOPs上的广泛实验表明，TSEA-FSTGR在收敛性和多样性方面均一致优于当前最优算法。TSEA-FSTGR的源代码可在https://github.com/TIO-Team/TSEA-FSTGR获取。

Keyword:

Feature-to-score (F2S) transformation

guided refinement

large-scale multiobjective binary optimization

two-stage evolution

Two-Stage Evolution for Large-Scale Binary Optimization: Feature-to-Score Transformation and Guided Refinement

摘要

期刊

机构

引用论文