Published October 9, 2023
| Version v1
Publication
Open
On the automatic design of multi-objective particle swarm optimizers: experimentation and analysis
- 1. Universidad de Málaga
- 2. University of Manchester
- 3. Center for Research and Advanced Studies of the National Polytechnic Institute
- 4. Tecnológico de Monterrey
Description
Abstract Research in multi-objective particle swarm optimizers (MOPSOs) progresses by proposing one new MOPSO at a time. In spite of the commonalities among different MOPSOs, it is often unclear which algorithmic components are crucial for explaining the performance of a particular MOPSO design. Moreover, it is expected that different designs may perform best on different problem families and identifying a best overall MOPSO is a challenging task. We tackle this challenge here by: (1) proposing AutoMOPSO, a flexible algorithmic template for designing MOPSOs with a design space that can instantiate thousands of potential MOPSOs; and (2) searching for good-performing MOPSO designs given a family of training problems by means of an automatic configuration tool (irace). We apply this automatic design methodology to generate a MOPSO that significantly outperforms two state-of-the-art MOPSOs on four well-known bi-objective problem families. We also identify the key design choices and parameters of the winning MOPSO by means of ablation. AutoMOPSO is publicly available as part of the jMetal framework.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تتقدم الأبحاث المجردة في محسنات سرب الجسيمات متعددة الأهداف (MOPSOs) من خلال اقتراح MOPSO جديد في كل مرة. على الرغم من القواسم المشتركة بين MOPSOs المختلفة، فغالبًا ما يكون من غير الواضح أي المكونات الخوارزمية ضرورية لشرح أداء تصميم MOPSO معين. علاوة على ذلك، من المتوقع أن تؤدي التصميمات المختلفة بشكل أفضل في عائلات المشكلات المختلفة وأن تحديد أفضل MOPSO بشكل عام هو مهمة صعبة. نتعامل مع هذا التحدي هنا من خلال: (1) اقتراح AutoMOPSO، وهو قالب خوارزمي مرن لتصميم MOPSOs مع مساحة تصميم يمكنها إنشاء الآلاف من MOPSOs المحتملة ؛ و (2) البحث عن تصاميم MOPSO جيدة الأداء نظرًا لعائلة من مشاكل التدريب عن طريق أداة التكوين التلقائي (irace). نطبق منهجية التصميم التلقائي هذه لإنشاء MOPSO يتفوق بشكل كبير على اثنين من MOPSOs الحديثة في أربع عائلات مشكلة ثنائية الهدف معروفة. نحدد أيضًا خيارات التصميم الرئيسية ومعلمات MOPSO الفائزة عن طريق الاستئصال. يتوفر AutoMOPSO للجمهور كجزء من إطار عمل jMetal.Translated Description (French)
La recherche abstraite dans les optimiseurs d'essaims de particules multi-objectifs (MOPSO) progresse en proposant un nouveau MOPSO à la fois. Malgré les points communs entre les différents MOPSO, il est souvent difficile de savoir quels composants algorithmiques sont essentiels pour expliquer les performances d'une conception MOPSO particulière. De plus, on s'attend à ce que différentes conceptions fonctionnent mieux sur différentes familles de problèmes et l'identification d'un meilleur MOPSO global est une tâche difficile. Nous relevons ce défi ici en : (1) proposant AutoMOPSO, un modèle algorithmique flexible pour concevoir des MOPSO avec un espace de conception qui peut instancier des milliers de MOPSO potentiels ; et (2) à la recherche de conceptions MOPSO performantes étant donné une famille de problèmes de formation au moyen d'un outil de configuration automatique (irace). Nous appliquons cette méthodologie de conception automatique pour générer un MOPSO qui surpasse de manière significative deux MOPSO de pointe sur quatre familles de problèmes bi-objectifs bien connues. Nous identifions également les principaux choix de conception et les paramètres du MOPSO gagnant par ablation. AutoMOPSO est accessible au public dans le cadre du cadre jMetal.Translated Description (Spanish)
Resumen La investigación en optimizadores de enjambre de partículas multiobjetivo (MOPSO) progresa proponiendo un nuevo MOPSO a la vez. A pesar de los puntos en común entre los diferentes MOPSO, a menudo no está claro qué componentes algorítmicos son cruciales para explicar el rendimiento de un diseño de MOPSO en particular. Además, se espera que los diferentes diseños funcionen mejor en diferentes familias de problemas e identificar un mejor MOPSO general es una tarea desafiante. Abordamos este desafío aquí: (1) proponiendo AutoMOPSO, una plantilla algorítmica flexible para diseñar MOPSO con un espacio de diseño que puede instanciar miles de MOPSO potenciales; y (2) buscando diseños MOPSO de buen rendimiento dada una familia de problemas de capacitación por medio de una herramienta de configuración automática (irace). Aplicamos esta metodología de diseño automático para generar un MOPSO que supera significativamente a dos MOPSO de última generación en cuatro familias de problemas bi-objetivo bien conocidas. También identificamos las opciones de diseño clave y los parámetros del MOPSO ganador mediante ablación. AutoMOPSO está disponible públicamente como parte del marco de trabajo de jMetal.Files
s11721-023-00227-2.pdf.pdf
Files
(2.6 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:4103da64eee82791c4a759e77fce40fa
|
2.6 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- حول التصميم التلقائي لمحسنات سرب الجسيمات متعددة الأهداف: التجريب والتحليل
- Translated title (French)
- Sur la conception automatique des optimiseurs multi-objectifs d'essaims de particules : expérimentation et analyse
- Translated title (Spanish)
- Sobre el diseño automático de optimizadores de enjambres de partículas multiobjetivo: experimentación y análisis
Identifiers
- Other
- https://openalex.org/W4387449730
- DOI
- 10.1007/s11721-023-00227-2
References
- https://openalex.org/W1553373771
- https://openalex.org/W1558919105
- https://openalex.org/W1587294773
- https://openalex.org/W1991248646
- https://openalex.org/W2000825106
- https://openalex.org/W2029320154
- https://openalex.org/W2038420231
- https://openalex.org/W2040622444
- https://openalex.org/W2076054478
- https://openalex.org/W2079454949
- https://openalex.org/W2096166399
- https://openalex.org/W2098907614
- https://openalex.org/W2102365077
- https://openalex.org/W2104017154
- https://openalex.org/W2111526171
- https://openalex.org/W2125899728
- https://openalex.org/W2126105956
- https://openalex.org/W2141119792
- https://openalex.org/W2143185749
- https://openalex.org/W2152195021
- https://openalex.org/W2156570840
- https://openalex.org/W2165626989
- https://openalex.org/W2169245194
- https://openalex.org/W2170766832
- https://openalex.org/W2185085875
- https://openalex.org/W2411835395
- https://openalex.org/W2546299924
- https://openalex.org/W2588764485
- https://openalex.org/W2727199084
- https://openalex.org/W2890746393
- https://openalex.org/W2890907918
- https://openalex.org/W2911068399
- https://openalex.org/W2959994531
- https://openalex.org/W2971008394
- https://openalex.org/W3188464820
- https://openalex.org/W4200411312
- https://openalex.org/W4221135157
- https://openalex.org/W4251464645
- https://openalex.org/W4312731806