多目标优化NSGA-II(非支配排序常见于遗传算法)[1](2)

目录

1 兴趣引入

2 多目标优化算法发展历史

3 非支配排序常见于遗传算法

3.1 解决的问题及三大特点

3.2 数学模型

3.3 Pareto 最优解

---

1 兴趣引入

---

(1)在生活中，你想买一辆车，又想汽车的性能好，外观不错，价格还比较低，对于这同时满足这三个条件，我们应该如何进行考虑呢？

(2)在投资的时候，我们想投入的资金最少，所付出的风险最小，同时收益是最大的，如何同时进行实现呢？在数学学习中，求求函数 f1(x1,x2,…,xn)=x1^2 +x2^2 +…+xn^2 及函数 f2(x1,x2,…,xn)=(x1-1)^2+ (x2-1)^2 +…+(xn-1)^2 同时达到最小的 (x1,x2,…,xn) 的取值，不存在一组 (x1,x2,…,xn) 的取值，使 f1 和 f2 同时达到最小值，这时候怎么办呢？

帕累托最优

帕雷托最优是指资源分配的一种理想状态。帕雷托最优的状态就是不可能再有更多的帕雷托改善的状态；换句话说，不可能再改善某些人的境况，而不使任何其他人受损。（这里先简单了解一下）

对于单目标优化问题，一般的