サロゲート支援ロバスト距離尺度に基づく堅牢な多目的進化アルゴリズム

科学分野:

• 計算知能
• 最適化アルゴリズム
• 進化計算

背景:

• 従来の堅牢多目的進化アルゴリズム（RMOEA）は、広範なサンプリングを必要とし、実世界のシナリオで高い計算コストにつながります。
• 計算集約的なアプリケーションで堅牢な最適な解を達成するための効率的な方法の必要性は重要です。

研究 の 目的:

• 関数評価を大幅に削減するサロゲート支援堅牢多目的進化アルゴリズム（RMOEA-SA）を開発すること。
• 堅牢性の測定を強化するためにサロゲートモデルと統合された新しい堅牢距離尺度（RDM）を導入すること。
• 目的空間を拡張することにより、解の堅牢性と最適性の間のトレードオフを改善すること。

主な方法:

• 直接的な関数評価の数を減らすために、フィットネス値を近似するためにラジアル基底関数（RBF）サロゲートモデルを実装すること。
• 解の堅牢性を定量化するためにRBFサロゲートモデルを利用する堅牢距離尺度（RDM）を開発すること。
• RDM値を追加の目的として選択に組み込むことにより、目的空間を拡張すること。

主要な成果:

• RBFサロゲートモデルは、堅牢な最適化中に計算負荷を大幅に削減しながら、フィットネス値を効果的に近似します。
• RBFサロゲートによって支援されるRDMは、解の堅牢性を正確に測定します。
• 拡張された目的空間での選択は、堅牢性と最適性のバランスを成功裏に取ります。

結論:

• 提案されたRMOEA-SAは、既存のアルゴリズムと比較して優れた実現可能性と有効性を示しています。
• RBFサロゲートモデルとRDMの統合は、堅牢な多目的最適化のための計算効率の良いアプローチを提供します。
• この方法は、堅牢な最適な解を必要とする複雑な実世界のアプリケーションに有望です。