控制理论与应用

作者：李文桦,张涛,王锐,王凌

单位：国防科技大学,国防科技大学,国防科技大学,清华大学自动化系

关键词：多目标优化; 进化算法; 用户偏好; Knee

基金：国家自然科学基金项目(61773390, 72071205), 湖南青年人才计划(2018RS3081), 国防科技大学重点项目(ZK18–02–09), 国防科技大学自主科研 计划(ZZKY–ZX–11–04)资助.

多目标优化算法是近年来进化计算研究领域的一个热点, 大多数的多目标优化算法试图找到问题的完整的Pareto前沿. 然而, 随着待优化问题目标个数的增加, 算法需要更大的种群规模才能合理地描绘出完整的Pareto前沿. 显然这样不仅增加了算法的运行时间, 更增加了(决策者)最终解的选择难度. 因此, 聚焦于搜索Pareto前沿上的特定区域显得尤为重要, 近年来也得到了越来越多学者的关注. Knee点指的是Pareto前沿上具有最大边际效用的点,在这个点附近, 一个目标值的微小提升将带来至少一个其他目标值的巨大衰退, 因此该点通常被认为是在没有特殊偏好的情况下对决策者更具吸引力的点. 本文旨在对多目标优化中Knee前沿搜索相关的方法进行总结, 包括Knee的检测方法、保留策略、测试问题等, 并对多目标优化的Knee前沿搜索未来研究工作进行展望.

来源：2021年第8期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第8期