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
-
使用了niche技术
-
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:
-
r是niche的半径:
-
拥挤距离为:
-
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。
-
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