一、算法综述
多目标就以下三个方面为目标,各种算法使用了和单目标算法的不同组合从而进行有效实现。包括:一组数量尽可能大的非劣解(非劣解集和);要求这组解逼近问题的全局Pareto最优前端(避免局部最优);尽可能均匀地分布在整个全局最优前端上(实现解的分布均匀性和多样性)。
二、算法之间的比较
1、SPEA:
主要步骤:
1、产生初始种群P和空的外部非劣解集和NP;
2、将种群中的非劣解个体拷贝到空的外部非劣解集NP;
3、进行迭代时,剔除NP中受种群P支配的解;
4、剔除多余解(聚类分析:取两个距离比较近的C1和C2,将两个聚类合并成C3);
5、计算适应度值;(NP中个体适应度值=x/1+N,f越大,性能越好,表示支配性;
种群p的f=1+个体强度值的和,f越大,性能越差,表示被支配性)
6、交叉变异(为保证解的快速收敛,采用二元锦标赛法,将P和NP中相对较好的个体用来交叉变异)&