读论文1.Preference-inspired co-evolutionary algorithms using weight vectors 使用权重向量的偏好启发式协同进化算法(多目标优化算法)

1请抄写抽到论文的题目,并用中文翻译论文题目和关键词。(10分)
Preference-inspired co-evolutionary algorithms using weight vectors
使用权重向量的偏好启发式协同进化算法
进化算法,多目标优化,多目标,协同进化,权重
2 请简述该篇文章摘要的大意。(20分)
在解决多目标优化问题的基于分解的算法领域提出了使用向量的偏好激励协同进化算法(PICEA-w),解决了缺乏问题几何先验知识难以设置较好权重的问题,权重与候选解在搜索过程中进行协同进化,实验对比结果来看比权重随机或者均匀分布的表现更好。
3请从不同角度分析该篇论文的创新点,并谈谈有什么学术价值。(25分)
① 这项研究提出了一种新的基于分解的多目标优化算法PICEA-w,该算法不需要在执行优化之前指定适当的权重,而是通过在搜索过程中与候选解协同进化来自适应地修改权重。
② PICEA-w算法对问题几何的敏感度较低,在多目标问题上的性能优于其他主要的基于分解的算法。
③ 这篇研究是多目标优化问题的解决算法之一,在基于分解的算法思路上对权重设置进行了有效优化,采用协同进化的方式在缺少先验问题的几何知识的情况下合理寻求恰当的权重设置。
4请谈谈你对该篇论文结论的理解及对你以后学习工作有哪些启发? (25分)
算法优化的方向。
解决多目标优化问题。
不同算法在不同问题下的适应性。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值