Indicator-Based Selection in Multiobjective Search
中文名:基于指标的多目标选择
由于这篇文章描述较为简单,所以我们直接展开正题。
正文
思想
对于上图的问题,我们怎么判断A集合和B集合(如果最小为最优)的优劣性。该文运用了下图中的指标
首先该指标代表的前两幅图,而右边的两幅图则又是另一种指标。
我们对该指标描述一下,从上图中第一幅图看,假设A点即X1,B点即X2,对与垂直方向,
f垂直方向(A)−f垂直方向(B)>0
对于水平方向:
f水平方向&#xff08;A&#xff09;−f水平方向&#xff08;B&#xff09;<0
因为
ϵ >&#61;fi(x1)-fi(x2),for i in {1&#xff0c;&#xff0c;&#xff0c;n}&#xff0c;这是代表
ϵ 对每一个fi(x)均需满足&#xff0c; ,所以
ϵ 应大于最大正差距&#xff0c;即垂直方向上的值&#xff08;该值是大于0 的&#xff09;。又因为我们要最小化该值&#xff0c;所以
I 应取最大的正差距,即该图中A与B的水平方向上的差值。
我们分析一下该指标,当A->B,即I&#xff08;A&#xff0c;B&#xff09;&#xff08;可理解为A移向B&#xff09;存在某一维度与优化方向相同时&#xff0c;该即为
I正值&#xff0c;否则为负值&#xff08;代表A只支配B&#xff09;&#xff0c;
算法
为了方便起见&#xff0c;我先把原始算法在这里展示一下&#xff0c;然后用中文翻译&#xff1a;
约定&#xff1a;α表示种群大小&#xff0c;N表示最大迭代次数&#xff0c;
step1: 产生初始种群P&#xff0c;种群大小为α&#xff0c;当前迭代此时m&#61;0
step2: 适应度计算&#xff0c;根据一下公式计算P里个体的使用度&#xff0c;例如x1&#xff08;k为比例缩放因子&#xff0c;参数&#xff09;
step3: 对每一代P&#xff0c;执行如下运算&#xff08;缩减&#xff09;&#xff0c;直到种群大小为α
- 选择适应度最小的解
- 从种群中去掉该解
- 更新剩余解的适应度值
step4: 终止条件判断
step5: p’ 为p 的复制&#xff0c;
step6: 用交叉变异作用在p’上&#xff0c;p&#61;p’&#43;p&#xff0c;m&#61;m&#43;1&#xff0c;转step2。
[1]基于加法ε~&#43;指标的多目标优化方法研究&#xff08;知网&#xff09;