进化多目标搜索算法

生成模型引导搜索

利用生成模型学习问题的规则性来引导进化搜索，提高求解复杂多目标优化问题的效率。

王帅 · 周爱民 · 张桂戌 · 方发明

IEEE Computational Intelligence Magazine 2023

技术优势

搜索效率更高

利用学习到的流形分布指导交叉，使生成的子代更有前景，从而在相同评估次数下取得更好的收敛性和多样性。

计算开销降低

采用增量训练过程复用已构建的生成模型，避免每代从头训练，显著减少了模型训练的耗时。

性能优于对比算法

在多个基准测试问题上与近期学习型算法对比，结果展现了LGSEA的优势。

应用场景

• 多目标优化：提供一种利用问题规则性引导搜索的新思路，可融入现有多目标优化器提升性能。
• 进化算法：将生成模型作为交叉算子嵌入进化算法，实现数据驱动的子代生成。
• 工程设计优化：可处理工程设计中的连续多目标问题，通过学习流形提高求解效率。
• 智能优化：将机器学习与优化算法结合，提升搜索智能性。