مروري بر الگوريتم تكاملي چند هدفه براي توليد نمونه اوليه

توليد نمونه اوليه با مساله ايجاد مجموعه كوچكي از نمونه‌ها، از مجموعه داده بزرگ، كه براي طبقه‌بندي مورد استفاده قرار مي‌گيرد، سر‌و‌كار دارد. دو جنبه كليدي كه در هنگام توسعه يك روش توليد نمونه اوليه در نظر گرفته مي‌شوند عبارتند از: (۱)عملكرد تعميم يك طبقه‌بندي كننده KNN هنگامي كه از نمونه‌هاي اوليه استفاده مي‌كند؛ و (۲)مقدار كاهش داده، همانطور كه توسط تعداد نمونه‌هاي اوليه مشخص شد. هر دو عامل در تعارض هستند زيرا به‌طور كلي، به حداكثر رساندن كاهش تنظيم داده‌ها دلالت بر كاهش دقت و عدم قطعيت دارد. بنابراين، اين مساله را مي‌توان به طور طبيعي با تكنيك‌هاي بهينه‌سازي چند هدفه بيان كرد. اين مقاله يك الگوريتم تكاملي چند هدفه جديد براي توليد نمونه اوليه معرفي مي‌كند كه در آن اهداف دقيقا ميزان كاهش و برآورد عملكرد تعميم داده شده توسط نمونه‌هاي اوليه انتخاب شده هستند.