加强杂交和环境选择的高维目标进化算法

本文探讨了多目标优化问题(MaOPs),提出了diversity-directional diversity(DD)和favorable convergence(FC)两个指标,以评估解的收敛性和多样性。MaOEA-DDFC算法结合了这两个指标进行种群选择,包括mating selection和environment selection过程。实验结果显示,MaOEA-DDFC在多样性方面表现优越,但在convergence方面最佳。然而,实验对比的算法相对较旧,且未深入分析HV和IGD的权衡问题。
摘要由CSDN通过智能技术生成

问题描述:解决many-objective optimization 问题(MaOPs)

 

写作动机:如何评价一个解的收敛程度和多样性问题,如果能做到分别评价,那就可以找出收敛性和多样性都很好的解。

 

主要工作:本文将diversity和convergence分开来考虑。

1.      diversity-directional diversity(DD)

2.      convergence-favorableconvergence(FC)

将此算法称为MaOEA-DDFC

 

正文:

一、 matingselection

Mating selection的过程比较简单,先由支配关系判断、再由FC值,若FC一样则随机选择一个。如选择下图中u,v,显然u,v是非支配的,由(1)计算FC值,若FC(u)<FC(v),则选择u。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值