Configuración automatizada de algoritmos evolutivos a través de aprendizaje de refuerzo profundo para optimización...

Área de la Ciencia:

• Cálculo evolutivo
• Inteligencia artificial
• Algoritmos de optimización

Sus antecedentes:

• El diseño automatizado de algoritmos es crucial para los algoritmos evolutivos de optimización multiobjetivo restringidos (CMOEA).
• Las actuales CMOEA asistidas por aprendizaje se basan en técnicas manuales, a menudo subóptimas, diseñadas por expertos.
• Los métodos existentes carecen de versatilidad y adaptabilidad en paisajes de optimización dinámica.

Objetivo del estudio:

• Desarrollar un método de configuración automatizado versátil y eficaz para los CMOEA.
• Aprovechar el aprendizaje por refuerzo profundo (DRL, por sus siglas en inglés) para la autoadaptación de los parámetros y operadores de la CMOEA.
• Mejorar el rendimiento y la adaptabilidad de las OCMEA mediante el diseño automatizado.

Principales métodos:

• Transformó la configuración en línea de CMOEA en una determinación de parámetros discreta y continua.
• Aprendizaje de refuerzo profundo aplicado (DRL), específicamente Actor-Critic y Q-learning profundo, para la configuración automatizada.
• Desarrolló un nuevo CMOEA que incorpora el algoritmo evolutivo configurado automáticamente (EA).

Principales resultados:

• El CMOEA configurado con DRL demostró mejoras significativas en el rendimiento con respecto a 11 métodos de última generación.
• Los experimentos con puntos de referencia desafiantes y los problemas del mundo real validaron la superioridad del método propuesto.
• La configuración automatizada mostró una mayor versatilidad y eficacia en comparación con los enfoques artesanales.

Conclusiones:

• La configuración automatizada utilizando DRL ofrece una dirección prometedora para avanzar en la optimización multiobjetivo evolutiva.
• La capacidad de autoaprendizaje del CMOEA configurado con DRL mejora su capacidad de adaptación y rendimiento.
• Este trabajo establece un nuevo paradigma para el diseño de CMOEA versátiles y de alto rendimiento.