Core Concepts
분해 기반 다목적 진화 알고리즘(MOEA/D)은 비볼록 및 비균일 파레토 전면에서 국소 최적점에 수렴하는 문제가 있다. 이 문제의 근본 원인은 참조점 선택 방법에 있으며, 가중치 벡터 기반 가우시안 혼합 참조점 선택 방법을 통해 이를 효과적으로 극복할 수 있다.
Abstract
이 연구는 복잡한 다목적 최적화 문제에서 분해 기반 진화 알고리즘의 국소 최적점 수렴 문제를 분석하고 해결하는 것을 목표로 한다.
기하학적 분석을 통해 전통적인 참조점 선택 방법이 국소 최적점 문제의 근본 원인임을 밝혔다.
가중치 벡터 기반 가우시안 혼합 참조점 선택 방법을 제안하여, 이 문제를 효과적으로 해결할 수 있음을 보였다.
14개의 MOEA/D 기반 알고리즘에 대한 실험적 검증을 통해 제안 방법의 우수성을 입증했다. 제안 방법은 기존 방법 대비 집단 다양성과 수렴성을 모두 크게 향상시켰다.
Stats
제안 방법은 기존 MOEA/D 기반 알고리즘 대비 14개 중 12개 문제에서 집단 다양성(HV 지표) 향상을 보였다.
제안 방법은 기존 MOEA/D 기반 알고리즘 대비 14개 중 11개 문제에서 수렴성(IGD 지표) 향상을 보였다.
Quotes
"분해 기반 다목적 진화 알고리즘(MOEA/D)은 비볼록 및 비균일 파레토 전면에서 국소 최적점에 수렴하는 문제가 있다."
"전통적인 참조점 선택 방법이 국소 최적점 문제의 근본 원인이다."
"가중치 벡터 기반 가우시안 혼합 참조점 선택 방법을 통해 이 문제를 효과적으로 해결할 수 있다."