loveabc123ABC的博客

近年来,粒子群优化、蚁群算法、人工免疫系统、分布估计算法、协同进化算法、密母算法、文化进化算法等一些新的进化范例陆续被用于求解多目标优化问题。本文选取其中2类比较典型的算法进行讨论。

但是，对于上述3 种算法他们处理的问题本身是有很多冗余目标的，也就是说，他们所处理的 50 维的多标优化问题，其实际 Pret 优前面的维数只有几维。Pareto自适应占优机制中，对应于每维目标的是一个该量的长度是格子的数目中元的取值与 Pareto 前面的形有关。考虑到了 Pareto 前沿面不同部分的占优强信息自适应地来调节ε矢量中元素的值，这样那些 Pareto前沿面分布几乎接近垂直和水平的区域所对应的超格矢量中的元素值就相对较小，也就是说，这些区域所分配的格子数目较多。

近年来,粒子群优化、蚁群算法、人工免疫系统、分布估计算法、协同进化算法、密母算法、文化进化算法等一些新的进化范例陆续被用于求解多目标优化问题。本文选取其中2类比较典型的算法进行讨论。该算法将通近整个 Pareto 前沿面的问题分解为一定数量的单目标优化问题，然后用进化算法同时求解这些单目标优化问题算法维持一个由每个子问题的当前最优解组成的种群，子问题之间的近邻关系定义为子问题权重向量之间的距离。每个子问题的优化过程，通过与其近邻子问题之间的进化操作来完成。

近年来,粒子群优化、蚁群算法、人工免疫系统、分布估计算法、协同进化算法、密母算法、文化进化算法等一些新的进化范例陆续被用于求解多目标优化问题。本文选取其中2类比较典型的算法进行讨论。

该时期的算法以精英保留策略为主要特征，并且大多数算法不再以适应度共享的小生境技术作为保持种群多样性的手段，一些更好的策略被提出来，比如基于聚类的方法、基于拥挤距离的方法、基于于空间超格的方法等。

第一代进化多目标优化算法 以基于非支配排序的选择和基于共享函数的多样性保持为其主要特点在第一代进化多目标优化的发展期间，一些亟需解决的问题也凸显出来。首先，能否找到替代小生境(共享函数)的方 法来保持种群的多样性。适应度共享针对多峰函数优化提出来的，通常需要关于有限峰数的先验知识和解空间小生境均匀分布的假设对于多目标优。

进化多目标优化（evolutionary multi-objective optimization，简称EMO）：如何利用进化计算方法求解多目标优化问题。