多目标优化学习笔记(1)

1.理想点(ideal point)、nadir point 、worst point

2. 异步返回和同步返回

所谓同步,可以理解为在执行完一个函数或方法之后,一直等待系统返回值或消息,这时程序是出于阻塞的,只有接收到返回的值或消息后才往下执行其他的命令。  
   
异步,执行完函数或方法后,不必阻塞性地等待返回值或消息,只需要向系统委托一个异步过程,那么当系统接收到返回值或消息时,系统会自动触发委托的异步过程,从而完成一个完整的流程。

3.CAEA

 conical area evolutionary algorithm 锥形进化算法

4.分解型算法相比较于占优型算法存在的问题

优点:因为Pareto前沿面上的一个解对应于每一个单目标优化子问题的最优解,最终可以求得一组Pareto最优解。由于分解操作的存在,该方法在保持解的分布性方面有着很大优势,而通过分析相邻问题的信息来优化,能避免陷入局部最优。

缺点:对于非常凸的问题,使用PBI(penalty boundary intersection)在接近极限值的地方,由于角度减少较小,距离减少较多,无法获得边缘的pareto最优解。

解决方法:使用两组参考向量 。另外一组参考向量从天底点出发。

5.聚合函数

 加权法我们就不说了,解决不了非凸函数

 

 

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多目标优化算法(Multi-Objective Optimization Algorithms)是一种用于解决具有多个目标函数的优化问题的方法。在自抗扰控制(ADRC),使用多目标优化算法可以帮助找到更好的控制策略和参数配置,以实现系统对多个性能指标的优化。 在引用提到了使用粒子群优化(PSO)算法来优化自抗扰控制的方法。粒子群优化算法通过模拟鸟群鸟的行为,通过不断调整粒子的位置来搜索最优解。通过适应度函数的评估和迭代更新,粒子群优化算法能够找到系统最优的参数配置。这种方法可以用于优化ADRC控制器的性能。 另外,引用提到了灰狼优化算法(Grey Wolf Optimization,GWO)。灰狼优化算法是一种模拟灰狼群狩猎行为的优化算法。通过模拟灰狼的寻找食物的过程,灰狼优化算法将复杂问题分解为不同的子集,并试图找到最佳的解决方案。与其他优化算法相比,灰狼优化算法具有更快的迭代速度和收敛速度。 在多目标优化算法,通常会存在一个Alpha wolf,即问题的所有可能解的最佳解决方案。这个Alpha wolf代表了最优的最优解,它是通过优化算法得到的。 综上所述,多目标优化算法可以帮助优化ADRC控制器的性能,如使用粒子群优化算法或灰狼优化算法来搜索最佳的参数配置,以达到对多个性能指标的优化。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [# PSO优化自抗扰.md](https://download.csdn.net/download/qq_42431718/88229529)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [机器学习笔记 - 灰狼优化](https://blog.csdn.net/bashendixie5/article/details/125613912)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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