파레토 아카이브 진화 전략을 이용한 비지배 전선 근사화

우리는 다목적 최적화 문제를 위한 간단한 진화 방안인 파레토 아카이브 진화 전략(PAES)을 소개합니다. 우리는 PAES가 파레토 최적 집합에서 다양한 솔루션을 생성할 수 있는 가장 단순한 비단순 알고리즘을 나타낸다고 주장합니다. 이 알고리즘은 가장 간단한 형태로서 지역 검색을 사용하는 (1 + 1) 진화 전략으로, 현재 솔루션 벡터와 후보 솔루션 벡터의 근사적인 우선 순위를 파악하기 위해 이전에 발견된 솔루션의 참조 아카이브를 사용합니다. (1 + 1)-PAES는 보다 복잡한 방법과 비교할 수 있는 기준 접근법으로 의도되었습니다. 또한 일부 실제 응용 프로그램에서 지역 검색이 인구 기반 방법에 비해 우세하거나 경쟁적인 것으로 보일 때 유용하게 사용될 수 있습니다. 우리는 PAES의 기본 알고리즘에 대한 확장으로 (1 + λ) 및 (μ + λ) 변형을 소개합니다. PAES의 여섯 가지 변형을 다양한 여섯 개의 테스트 함수에 대한 니치드 파레토 유전 알고리즘 및 비지배 정렬 유전 알고리즘의 변형과 비교합니다. 결과는 여러 최적화 실행에서 생성된 성취 면을 단변량 분포 집합으로 축소하는 기술을 사용하여 분석되고 제시됩니다. 이를 통해 비교 목적으로 표준 통계 분석을 수행할 수 있습니다. 우리의 결과는 PAES가 다양한 다목적 최적화 작업에서 일관되게 잘 수행된다는 강력한 증거를 제공합니다.