Key points are not available for this paper at this time.
분해는 다목적 최적화 및 다기준 의사결정을 위한 고전적 수학적 프로그래밍의 주류 접근법이었다. 그러나 분해 기반의 다목적 진화 알고리즘(MOEA/D)이 개발되기 전까지 진화 다목적 최적화(EMO)의 맥락에서 제대로 연구되지 않았다. 이 두 부분으로 구성된 조사 시리즈에서는 MOEA/D를 분해 기반 EMO의 대표로 사용하여 이 분야의 최신 개발을 검토하고, 체계적이고 포괄적으로 연구 지형을 분석한다. 첫 번째 파트에서는 MOEA/D의 기원부터 현재의 최첨단 접근법까지의 발전에 대한 포괄적인 조사를 제공한다. 자립성을 유지하기 위해, MOEA/D의 작동 메커니즘을 빠르게 이해할 수 있도록 도움을 주기 위해 단계별 튜토리얼로 시작한다. 그런 다음, MOEA/D의 주요 발전을 핵심 설계 요소에 따라 검토한다. 여기에는 가중치 벡터 설정, 하위 문제 공식화, 선택 메커니즘 및 재생산 연산자가 포함된다. 또한, 제약 처리, 동적 및 불확실 환경에서의 최적화, 계산 비용이 많이 드는 목표 함수 및 선호도 통합과 같은 선택된 고급 주제도 검토한다. 마지막 부분에서는 미래 개발을 위한 새로운 방향에 대한 통찰을 제공한다.
Ke Li (Mon,)는 이 질문을 연구했다.