多目标遗传算法NSGA-II优质PPT.pptx
《多目标遗传算法NSGA-II优质PPT.pptx》由会员分享,可在线阅读,更多相关《多目标遗传算法NSGA-II优质PPT.pptx(11页珍藏版)》请在冰豆网上搜索。
![多目标遗传算法NSGA-II优质PPT.pptx](https://file1.bdocx.com/fileroot1/2022-10/2/02a1141a-6517-4711-b5b6-b508bfd0cd86/02a1141a-6517-4711-b5b6-b508bfd0cd861.gif)
,几个概念:
支配,当多目标问题中多个目标存在冲突的时候,我们可以用“支配”的概念来决定解的好坏。
Pareto等级,非支配解:
假设任何二解S1及S2对所有目标而言,S1均优于S2,则我们称S1支配S2,若S1的解没有被其他解所支配,则S1称为非支配解(不受支配解),也称Pareto解(帕雷托解)支配解:
若解S2的所有目标均劣于S1,则称S1优于S2,也称S1支配S2,S2为受支配解。
Pareto前沿面:
找到所有Pareto解之后,这些解组成的平面叫做Pareto前沿面(Non-dominatedfront)。
在目标函数较多时,前沿面通常为超曲面。
在NSGA-II中,我们计算两个属性Sp和np来帮助我们识别更好的个体。
快速非支配排序,假设种群大小为P,该算法需要计算每个个体p的被支配个数np和该个体支配的解的集合Sp这两个参数。
遍历整个种群,该算法的伪代码如下:
拥挤度为了使得到的解在目标空间中更加均匀,引入了拥挤度的概念,计算拥挤度是为了保存下来相似程度较低的解,保持解空间的多样性,为所有个体的拥挤距离初始化零。
审视所有的个人和目标值。
通过用Inf值分配绑定解决方案来选择它们。
计算每个目标的第m个最大值和最小值,得到归一化的分母。
对第i个个体的m个目标的拥挤距离求和,精英保留策略,首先将父代种群Pt和子代种群Qt合成种群Rt根据以下规则从种群Rt生成新的父代种群Rt+1根据Pareto等级从低到高的顺序,将整层种群放入父代种群Rt+1中,真到某一层个体不能全部放入父代种群Rt+1。
将该层个体根据拥挤度从大到小排列,依次放入父代种群Rt+1中,直到父代种群Rt+1f填满。
单目标优化多目标优化,NSGA-II在常规遗传算法上的改进,1快速非支配算子设计多目标优化问题的设计关键在于求取Pareto最优解集。
2通过优先选择拥挤距离较大的个体3精英策略选择算子,NAS中的性能评估也可以是一个多目标问题测试集上的准确率参数数量,