简介

可以看到本文的特色图片是个极度稀疏连接的神经网络,它是由我们即将介绍论文中的算法SparseEA得到的。

此篇论文是BIMK的田野、张兴义等人发表在IEEE Transactions on Evolutionary Computation(SCI 一区)期刊上的,时间2019.4。

论文提出了一种解决大规模稀疏问题的多目标算法,大规模稀疏存在于许多领域:机器学习、数据挖掘、神经网络。
作者主要讨论了四个具体的问题

  • ①特征选择
  • ②模式挖掘
  • ③关键节点检测
  • ④神经网络训练

上面四个问题虽然存在于不同领域,但是它们都属于多目标问题,它们的pareto面的解集都是稀疏的。举例来说,对于大规模特征选择问题,10000维中只能选取不到100个,压缩率达到了99%,是典型的稀疏问题。

具体问题


算法的贡献

  • ①设计了新的种群初始化策略(根据稀疏大规模特性,能够获得一个很好的前沿面)
  • ②设计了新的基于pareto解集稀疏性的遗传算子

具体算法

算法框架

类似于NSGA2的框架

初始化策略

为了集成两种编码,需要引入两个向量,一个是决策变量向量dec (实际上是进化的解,对于01编码来说,可以全置1),另一个是掩码向量mask(实际上一个01向量,用来记录每个维度的好坏,好的置1),最终的决策变量是两者的内积。


经过初始化后的结果:

可以看到,通过该初始化策略,获得一个一个近似于pareto面的良好分布。

交叉变异算子

这个交叉变异是算法的核心,它每次在二进制向量mask中,以同样的概率每次在0元素中翻转一个元素,或者在非0元素中翻转一个元素,翻转是根据决策变量的适应度值进行的。因此,生成的子代不会有同样数量的0和1,并且可以保持子代的稀疏度。

采用交叉变异后的结果:


可以看到,通过此策略,提高了稀疏度,被置为1的维度越来越少。

其他

对于实验部分,作者设计了具体的测试套件,结果也非常乐观,在此不赘述。

更多内容访问 omegaxyz.com
网站所有代码采用Apache 2.0授权
网站文章采用知识共享许可协议BY-NC-SA4.0授权
© 2019 • OmegaXYZ-版权所有 转载请注明出处

基于稀疏大规模矩阵的多目标进化算法简介相关推荐

  1. 动态多目标优化--基于决策变量分类的动态多目标进化算法 笔记

    阅读论文:A Dynamic Multiobjective Evolutionary Algorithm Based on Decision Variable Classification (Zhen ...

  2. platEMO里多目标进化算法对应的参考文献

    1.AGE-II M. Wagner and F. Neumann, A fast approximation-guided evolutionary multi-objective algorith ...

  3. 多目标进化算法-约束问题的处理方法

    多目标进化算法系列 多目标进化算法(MOEA)概述 多目标优化-测试问题及其Pareto前沿 多目标进化算法详述-MOEA/D与NSGA2优劣比较 多目标进化算法-约束问题的处理方法 基于C#的多目标 ...

  4. 论文研读-基于决策变量分析的大规模多目标进化算法

    论文研读-基于决策变量分析的大规模多目标进化算法 Multiobjective Evolutionary Algorithm Based on Decision Variable Analyses f ...

  5. IGD+-EMOA:基于IGD+的多目标进化算法

    IGD±EMOA:基于IGD+的多目标进化算法 参考文献 <IGD±EMOA:A Multi-Objective Evolutionary Algorithm based on IGD+> ...

  6. 【IEEE CIM 2023】基于多目标进化算法的抗菌肽设计方法

    Evolutionary Multi Objective Optimization in Searching for Various Antimicrobial Peptides 小生境共享(Nich ...

  7. MaOEA-IBP:带有边界保护的基于指标的多目标进化算法

    MaOEA-IBP:带有边界保护的基于指标的多目标进化算法 参考文献 <An Indicator-Based Many-Objective Evolutionary Algorithm With ...

  8. 基于指标的约束多目标进化算法

    基于指标的约束多目标进化算法 [注:个人博客地址转移至:点此跳转] [注:个人博客地址转移至:点此跳转] [注:个人博客地址转移至:点此跳转] 参考文献 <Zhi-Zhong Liu , Yon ...

  9. 笔记《基于无人驾驶方程式赛车的传感器融合目标检测算法研究及实现》

    论文结构 关键字:无人驾驶方程式赛车,相机,激光雷达,目标检测,传感器融合 一.绪论 1. 感知技术研究现状 1.1.1 基于相机的目标检测技术研究现状 1.1.2 基于激光雷达的目标检测技术研究现状 ...

  10. 基于激光雷达点云的3D目标检测算法论文总结

    作者丨eyesighting@知乎 来源丨https://zhuanlan.zhihu.com/p/508859024 编辑丨3D视觉工坊 前言  过去很多年激光雷达的车规标准和高昂价格是阻碍其量产落 ...

最新文章

  1. linux 内核钩子 khook 项目介绍
  2. 【UWP】拖拽列表项的排序功能实现
  3. js事件流的三个阶段
  4. hive 修改cluster by算法_Hive基础之导出数据
  5. java 课程设计数据库_人事管理系统(java数据库课程设计)+SQL数据库
  6. iptables命令详解
  7. startlogging中设置setstdout=false来禁用这个功能。_无线路由器的安全功能,你知道多少?...
  8. 在Linux下判断系统当前是否开启了超线程
  9. Glide 4.x添加自定义组件原理
  10. Axure 网站后台-能源管理系统 rp 9原模板代码下载
  11. 共焦显微镜技术原理、参数及其应用
  12. dos命令、find、findstr、ping、nbtstat、netstat、net、at、ftp、telnet、tasklist、taskkill、netsh...
  13. MOTO 国行ME525升级Android2.3.4教程
  14. 《免费》——比特经济的到来
  15. 远程控制PLC实际案例——西门子SIMATIC S7-1200
  16. 如何更改计算机开机壁纸,如何修改电脑开机的背景图片
  17. 我画了近百张图来理解红黑树
  18. 服务器禁止访问文件,服务器文件夹访问权限设置 控制访问权限方法
  19. 城市水文防汛监测预警系统解决方案
  20. 如何从0开始在鸿蒙OS中制作一个APP!

热门文章

  1. Spring之IOC容器
  2. python 最小二乘回归 高斯核_[数值计算] 数据拟合——非线性最小二乘法
  3. (day 52 - 先序后序遍历计数 ) 剑指 Offer 55 - II. 平衡二叉树
  4. python random random_【python】random与numpy.random
  5. 变量名可以是python的关键字_python – 如何使用关键字作为变量名?
  6. python isodd()判断奇偶_EXCEL VBA:Iseven Isodd 判断奇偶
  7. tomcat是什么_为什么开发者放弃了Tomcat,选择了Undertow?
  8. Java编程:获取输入的三种方法
  9. 软件测试一个项目几个接口,你打开一个项目网址中间发生了什么?(软件测试面试题)...
  10. c语言 归一化图片大小,OpenCV学习笔记(1)——resize函数实现图像大小归一化