A multi-objective memetic algorithm for low rank and sparse matrix decomposition

تجزیه و تحلیل ضعیف و ماتریس به طور فزاینده ای در بسیاری از زمینه های تحقیقاتی برای خواص خاص آن در جستجوی مولفه های محلی و جهانی مورد توجه است. هدف این مشکل متشکل از دو اصطلاح متضاد، اصطلاح پایین و اصطلاح نزولی است، اغلب روش های قبلی این دو اصطلاح را به یک هدف اسکالر با پارامتر وزن ترکیب می کنند. با این حال، پیش تنظیم پارامتر وزن یک کار دشوار است، زیرا هر گونه اطلاعات پیشین در مورد دو اصطلاح قبل از بهینه سازی در دسترس نیست. در این مقاله، یک مدل تقسیم بندی ماتریس چند منظوره و چند منظوره مبتنی بر رمزنگاری ارزش منحصر به فرد ایجاد می کنیم. دو هدف متضاد برای یافتن مقادیر کم و کمترین ماتریس داده داده شده ساخته شده است. یک الگوریتم ممتد چند منظوره جدید که مقدار منحصر به فرد ماتریس پایین رتبه را کد گذاری می کند، برای به حداقل رساندن دو هدف به طور همزمان پیشنهاد می شود. روش پیشنهادی می تواند مجموعه ای از راه حل های متناقض مختلفی را بین اجزای کم و ضعیف به دست آورد و تصمیم گیرندگان می توانند راه حل رضایت بخش را از آنها به طور مستقیم انتخاب کنند. نتایج تجربی نشان می دهد که روش پیشنهادی مؤثر است و دارای عملکرد بهتر نسبت به برخی از رویکردهای موجود از نظر دقت تجزیه و تنوع راه حل ها است.