Key points are not available for this paper at this time.
Résumé Les algorithmes évolutionnaires multi-objectifs basés sur la dominance de Pareto (MaOEAs) font face à un défi significatif dans les problèmes multi-objectifs (MaOPs). La pression de sélection diminue à mesure que le nombre d'objectifs augmente, tandis que la solution non dominée croît exponentiellement. Le MaOEA basé sur la dominance de Pareto augmente la pression de sélection en concevant des stratégies environnementales liées à la diversité. Cependant, il peine encore à trouver un bon équilibre entre la diversité de la population et la convergence. De plus, la méthode de sélection par diversité augmente la probabilité que des solutions résistantes à la domination (DRSs) soient choisies, ce qui est préjudiciable à la performance des MaOEAs. Pour aborder les problèmes mentionnés ci-dessus, un algorithme d'optimisation multi-objectifs basé sur le prétraitement de la population et un mécanisme d'élimination assisté par distance de projection (PPEA) est proposé. Dans PPEA, tout d'abord, la méthode de prétraitement de population est conçue pour atténuer les impacts négatifs des DRSs. Deuxièmement, pour améliorer encore la capacité à équilibrer la diversité de la population et la convergence des MaOEAs basés sur la dominance de Pareto, un mécanisme d'élimination assisté par distance de projection est proposé pour éliminer les individus les plus faibles un par un jusqu'à ce que la taille de la population satisfasse la condition de terminaison. La performance de PPEA a été comparée à celle de sept excellents MaOEAs sur une série de problèmes de référence avec 3 à 15 objectifs et un problème d'application du monde réel. Les résultats expérimentaux indiquent que PPEA est compétitif et peut efficacement équilibrer la diversité et la convergence de la population lors du traitement des MaOPs.
Wei et al. (Ven,) ont étudié cette question.