NSGA-Ⅲ算法的基本原理

注释：是学习之余整理的资料，如有不足的地方还请指教，十分感谢！

目录

一、 算法简介

二、 基本步骤

三、 算法核心

 3.1参考点设置​

3.2、种群的自适应标准化（寻找理想点-计算极值点，构建超平面—找到截距，目标归一化） 

3.2.1寻找理想点：即求解这一代种群所有目标的最小值

3.2.2计算极值点

3.2.3 构建超平面，找截距，目标归一化

 3.3、关联操作（让群体中的个体分别关联到相应的参考点）

3.4、个体保留操作（选择进入到下一代的个体）

四、总结

---

一、 算法简介

1、算法提出：2013年由Deb提出；

2、提出原因：2000年由Deb提出的NSGA-Ⅱ，NSGA-Ⅱ只能处理目标维数≤3的低维优化问题。维数增加，种群非支配个体呈指数增加，Pareto支配关系很难区分个体好坏；

3、是基于分解的算法，是对NSGA-Ⅱ算法的改进；

二、 基本步骤

总结NSGAIII的第t代的步骤：(P t是第t代的父代，其大小为N，其生成的子代为Q t其大小也为N)

第一步：将子代和父代结合R t = P t ∪ Q t  (大小为2N)并从中选出N个个体。

第二步：将Rt通过非支配排序分为多个非支配层(F 1 , F 2 , ....)。然后从F 1 开始构造一个新的种群St，直到其大小为N或者第一次超过N。