SPEA2算法原理及应用方向

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

1、多目标进化算法

1.1 多目标优化算法的简介

1.2 多目标优化算法的简介

2、SPEA算法的步骤

2.１ SPEA算法的特征

2.2 强度Pareto进化算法具体步骤

2.3 适应度赋值

2.4 聚类分析

2.5 SPEA算法存在着如下缺点：

3、SPEA2算法的步骤

3.1 强度Pareto进化算法2

 3.2 适应度赋值

3.3 外部档案维护 

4、SPEA2算法的应用举例

---

1、多目标进化算法

1.1 多目标优化算法的简介

强度Pareto进化算法(SPEA)是1999年由Zitzler以及Thiele提出的，之后许多研究人员开始把外部档案或外部种群结合到他们的MOEA中，精英保留策略成了第二阶段MOEA设计的基本步骤，算法搜索效率也得到明显改善。第二代算法的代表有NSGA2、Pareto档案进化策略(PAES)、Pareto包络选择算法(PESA)以及SPEA2等。

1.2 多目标优化算法的简介

MOEA必须包括:

①-组数量尽可能大的非劣解

②要求这组解逼近问题的全局Pareto最优前端

③尽可能均匀地分布在整个全局最优前端上。

大多数MOEA的设计都是围绕如何有效地实现上述3个目的，每种算法都是实现这些目的的特定方法的组合。

2、SPEA算法的步骤

2.１ SPEA算法的特征

(1)将非支配解存储在另一个不断更新的种群中

(2)根据一个个体独自地支配它的非支配解的个数计算适应度值

(3)使用Pareto支配关系保存种群多样性

(4)为了减少非支配解集并不破坏它的特征，加入了聚类分析过程

2.2 强度Pareto进化算法具体步骤

1)初始种群P、空的外部非劣解集NP；
2)将种群P中的非劣个体复制到非劣解集NP；

3)剔除集合NP中受种群P中个体支配的解，保留不受支配的解；

4)集合NP中的非劣解的个数＞事先给定的最大值，则通过聚类分析对集合NP进行修剪；

5)计算P、NP中的每个个体的适应度值；