多目标进化优化-BiGE

参考文献
Bi-goal evolution for many-objective optimization problems
Miqing Li a, Shengxiang Yang b,∗, Xiaohui Liu a

1. 基本思想

• BiGE算法是将众目标问题转换为2目标问题的一个算法。然后再在二维空间中使用某种非支配排序算法进行选择
• 其中，转化为的2个目标分别是收敛性和多样性（密度估计）

2. 动机

• 随着目标的增多，大多数个体之间变得互不支配，导致收敛压力不足
• 在2维空间中，两个个体可以比较的概率为50%；在3维空间中，两个个体可以比较的概率是25%
• 所以，在二维空间中，Pareto支配关系可以发挥最高效的作用

3. 算法框架

3.1 近似距离

• 先归一化
• 归一化后，个体的近似距离为每个维度的目标值的和
• 

3.2 密度估计

1. 使用了niche技术

2. 个体p和个体q之间的共享函数，其中d(p,q)是p和q之间的欧氏距离：

3. r是niche的半径：

4. 拥挤距离为：

5. 到现在，每个个体都有自己的近似距离fpr和密度估计值fcd。但是如果两个个体距离非常近，那么它们的fpr和fcd就会非常相似，这样在转换后的2维空间中，这两个个体仍然距离非常近。这是我们不希望看到的，接下来文章作者对fcd进行了修改，以避免这样的情况发生。

6. 即在一个niche中，计算两个个体共享函数值时，根据fcd分别给它们一个权重。有较小的fcd的个体给予0.5的权重，又较大的fcd的个体给予1.5的权重

4. 一些效果图

4.1 转换之后的效果图

4.2 转换为2维空间后，每个支配层中的个体的数量效果图