11:07arXiv cs.AI@Duc-Cuong Dang, Andre Opris, Dirk Sudholt本文首次对 SPEA2 算法中处理支配解的部分进行了运行时分析,发现其在 OneTrapZeroTrap 基准上无法像 NSGA-II 等算法一样高效覆盖帕累托前沿。问题根源在于使用 k 近邻距离进行适应度分配,导致对支配个体的多样性维持不足。为此,作者提出改进版本 SPEA2$^+$,采用所有成对距离进行密度估计,在复杂问题上达到与其他主流算法相同的性能保证,同时在简单问题上保持原算法表现。实验验证了理论分析的正确性。论文多目标优化进化算法SPEA2运行时分析密度估计推荐理由:多目标优化研究者终于有了 SPEA2 的理论短板分析——原版在支配解处理上存在盲区,SPEA2$^+$ 的改进思路(全距离密度估计)简单有效,做进化算法理论或应用的团队值得关注。原文