昂贵多目标加速
把预选建模为多标签分类，用双曲空间捕获解的层级结构，能从少量真实评估中更高效地引导搜索。
Bingdong, Li · Yanting, Yang · 洪文静 · 杨鹏 · 周爱民
IEEE Transactions on Evolutionary Computation 2024
把预选任务形式化为多标签分类，用-松弛目标聚合把解分到不同层级，能更好地利用真实评估中的序信息。
双曲空间比欧氏空间更接近层级结构，用双曲神经网络处理多标签分类能更好地刻画候选解的层次关系。
用数据增强策略缓解训练数据不足的问题，让预选器在只有少量真实评估样本时依然能学到有用的分类边界。
把该预选算子嵌入两种代理辅助进化算法，在两个基准测试集和三个实际问题上都验证了有效性，说明它通用且容易集成。