Buchumschlag

A First Running Time Analysis of the Strength Pareto Evolutionary Algorithm 2 (SPEA2)

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ren, Shengjie, Bian, Chao, Li, Miqing, Qian, Chao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Archive Can Bring Provable Speed-ups in Multi-Objective Evolutionary Algorithms
von: Bian, Chao, et al.
Veröffentlicht: (2024)

Maintaining Diversity Provably Helps in Evolutionary Multimodal Optimization
von: Ren, Shengjie, et al.
Veröffentlicht: (2024)

A Theoretical Perspective on Why Stochastic Population Update Needs an Archive in Evolutionary Multi-objective Optimization
von: Ren, Shengjie, et al.
Veröffentlicht: (2025)

Not Just for Archiving: Provable Benefits of Reusing the Archive in Evolutionary Multi-objective Optimization
von: Ren, Shengjie, et al.
Veröffentlicht: (2025)

Stochastic Population Update Can Provably Be Helpful in Multi-Objective Evolutionary Algorithms
von: Bian, Chao, et al.
Veröffentlicht: (2023)

On Scalability of Multi-Objective Evolutionary Algorithms on Combinatorial Optimisation Problems
von: Tang, Menghao, et al.
Veröffentlicht: (2026)

A Weight Adaptation Trigger Mechanism in Decomposition-based Evolutionary Multi-Objective Optimisation
von: Han, Xiaofeng, et al.
Veröffentlicht: (2025)

A First Step Towards Runtime Analysis of Evolutionary Neural Architecture Search
von: Lv, Zeqiong, et al.
Veröffentlicht: (2024)

Analyzing the Expected Hitting Time of Evolutionary Computation-based Neural Architecture Search Algorithms
von: Lv, Zeqiong, et al.
Veröffentlicht: (2022)

On the Problem Characteristics of Multi-objective Pseudo-Boolean Functions in Runtime Analysis
von: Liang, Zimin, et al.
Veröffentlicht: (2025)

Improved Runtime Guarantees for the SPEA2 Multi-Objective Optimizer
von: Doerr, Benjamin, et al.
Veröffentlicht: (2025)

An Experimental Approach for Running-Time Estimation of Multi-objective Evolutionary Algorithms in Numerical Optimization
von: Huang, Han, et al.
Veröffentlicht: (2025)

Runtime Analysis of Evolutionary NAS for Multiclass Classification
von: Lv, Zeqiong, et al.
Veröffentlicht: (2025)

Random is Faster than Systematic in Multi-Objective Local Search
von: Liang, Zimin, et al.
Veröffentlicht: (2026)

Proven Approximation Guarantees in Multi-Objective Optimization: SPEA2 Beats NSGA-II
von: Alghouass, Yasser, et al.
Veröffentlicht: (2025)

Pareto Optimization with Robust Evaluation for Noisy Subset Selection
von: Xu, Yiheng, et al.
Veröffentlicht: (2025)

Quality-Diversity Algorithms Can Provably Be Helpful for Optimization
von: Qian, Chao, et al.
Veröffentlicht: (2024)

Multiple-gain Estimation for Running Time of Evolutionary Combinatorial Optimization
von: Huang, Min, et al.
Veröffentlicht: (2025)

A Newton Method for Hausdorff Approximations of the Pareto Front within Multi-objective Evolutionary Algorithms
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Dealing with Structure Constraints in Evolutionary Pareto Set Learning
von: Lin, Xi, et al.
Veröffentlicht: (2023)

A First Look at Kolmogorov-Arnold Networks in Surrogate-assisted Evolutionary Algorithms
von: Hao, Hao, et al.
Veröffentlicht: (2024)

Migrant Resettlement by Evolutionary Multi-objective Optimization
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2023)

Biased Pareto Optimization for Subset Selection with Dynamic Cost Constraints
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2024)

Weak Pareto Boundary: The Achilles' Heel of Evolutionary Multi-Objective Optimization
von: Zheng, Ruihao, et al.
Veröffentlicht: (2025)

Peptide Vaccine Design by Evolutionary Multi-Objective Optimization
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2024)

Running-time Analysis of ($μ+λ$) Evolutionary Combinatorial Optimization Based on Multiple-gain Estimation
von: Huang, Min, et al.
Veröffentlicht: (2025)

First Mathematical Runtime Analyses of Multi-Objective Evolutionary Algorithms for Multi-Valued Decision Variables
von: Li, Mingfeng, et al.
Veröffentlicht: (2026)

Drift Analysis with Fitness Levels for Elitist Evolutionary Algorithms
von: He, Jun, et al.
Veröffentlicht: (2023)

Estimate Hitting Time by Hitting Probability for Elitist Evolutionary Algorithms
von: He, Jun, et al.
Veröffentlicht: (2025)

Variable Search Stepsize for Randomized Local Search in Multi-Objective Combinatorial Optimization
von: Ren, Xuepeng, et al.
Veröffentlicht: (2026)

Evolutionary Preference Sampling for Pareto Set Learning
von: Ye, Rongguang, et al.
Veröffentlicht: (2024)

Comparative Analysis of Evolutionary Algorithms for Energy-Aware Production Scheduling
von: Burmeister, Sascha C, et al.
Veröffentlicht: (2025)

ParetoTracker: Understanding Population Dynamics in Multi-objective Evolutionary Algorithms through Visual Analytics
von: Zhang, Zherui, et al.
Veröffentlicht: (2024)

Runtime Analysis for Multi-Objective Evolutionary Algorithms in Unbounded Integer Spaces
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Fast Estimations of Hitting Time of Elitist Evolutionary Algorithms from Fitness Levels
von: He, Jun, et al.
Veröffentlicht: (2023)

When to Truncate the Archive? On the Effect of the Truncation Frequency in Multi-Objective Optimisation
von: Cui, Zhiji, et al.
Veröffentlicht: (2025)

Adaptive Estimation of the Number of Algorithm Runs in Stochastic Optimization
von: Eftimov, Tome, et al.
Veröffentlicht: (2025)

Evolutionary Spiking Neural Networks: A Survey
von: Shen, Shuaijie, et al.
Veröffentlicht: (2024)

Theoretical and Empirical Analysis of Lehmer Codes to Search Permutation Spaces with Evolutionary Algorithms
von: Ma, Yuxuan, et al.
Veröffentlicht: (2025)

Clustering-based Transfer Learning for Dynamic Multimodal MultiObjective Evolutionary Algorithm
von: Yan, Li, et al.
Veröffentlicht: (2025)