【文献阅读】多目标优化算法改进-Part2

摘要：聚焦知网上NSGA2算法的改进策略，了解目前大家是怎么改的

一、基于改进 NSGA2 算法的配电网分布式电源优化配置

1. 摘要：基于 NSGA2 算法存在收敛性和分布均匀性不足的问题，文中研究了一种改进的 NSGA2 算法，该算法**使用算术交叉算子和精英交叉策略，并引入了伪适应度值的概念。**同时，为更好地研究分布式电源选址定容问题，文中建立了以有功网损和节点电压偏移为目标的分布式电源选址定容模型，并用改进算法对该模型进行求解，最后在 MATLAB 软件下以 IEEE-33 节点系统为例进行测试，仿真结果与传统的 NSGA2 算法进行比较，证明了该方法在分布式电源优化配置方面的有效性和优越性。
2. 引言

• NSGA2算法收敛速度慢、需要手动指定共享参数等一系列缺点，并在此基础上改进而来。
• 算法的提出使算法整体性能得到了提高，但是算法在收敛性和分布均匀性方面还有待进一步改善。
• 本文引入伪适应度值的概念和算数交叉算子，并采用精英交叉策略，提出了一种改进的NSGA2算法，使得改进后的算法收敛性更好，分布更均匀。

3. 具体算法：引入算术交叉算子和精英交叉策略，引入伪适应度值的概念。

• 伪适应度值：精英保留策略，使算法得到更为符合条件的解，从而优化出最符合决策者要求的决策方案。选择更优秀的个体组成精英解，提出伪适应度值的概念，其值越小表明个体越优秀（如何发挥作用）。
  
• 交叉算子改进：传统的交叉算子使用的是SBX（模拟二进制交叉），但是其搜索能力有限，很难达到种群的差异多样性。为了改进这一缺点，使得到的非劣解集更具多样性，故引入算术交叉算子。
  
• 精英交叉策略：当种群开始进行交叉操作时，会从精英集合中选择一条精英染色体与之进行交叉操作，因此提高了交叉个体的质量，也进一步提高了交叉后新生成的种群个体的质量。

4. 整体流程
   
   （1）初始种群和初始精英群作用的过程和机理
   （2）什么时候求适应度值什么时候求伪适应度值
   P：可能还是要看一下代码

5. 实验设计

• 结合实际问题，分别采用两种不同的算法求解，分析其得到的帕累托解集的空间分布。
• 对比原网络、NSGA2和改进算法优化后的节点电压对比图。

二、基于改进的NSGA2 算法考虑病患公平性及医院运作成本的病床配置优化研究

1. 摘要：针对目前医院病床调度存在运营成本较大以及医患关系之间公平性的问题，提出一个考虑医院运作成本和病患公平性下单科室病床分配的多目标随机规划模型。首先，基于医院的相关政策，提出一个考虑响应性与准入性的权重测度指标来反映医患关系的公平性，并考虑医院的运作成本建立多目标随机规划模型; 其次，为方便算法求解，采用线性化方法将复杂模型处理成混合整数线性模型; 最后，采用改进后的 NSGA2 算法对多目标问题求解，并对算例进行不同的数值实验。通过调整不同的参数进行相对应的灵敏度分析，改进后的算法提升了算法的收敛性与多样性，实验结果验证了模型的有效性和适用性。
2. 算法设计
   （1）NSGA2在遗传种群迭代的收敛性、运算效率、防止陷入局部最优等方面还需改进。
   （2）本文通过在快速非支配排序中结合拥挤度信息和种群内部分布性保持方法两个因素定义新的个体快速支配强度排序赋值，在精英保留策略中引入伪适应度，在交叉变异过程中根据种群个体的排序赋值信息重新改进交叉算子等方面对原算法进行改进。

• 编码：病人的计划到达率以及医院科室的病床分配能力作为两个决策变量进行编码。
• 改进的快速支配排序：快速非支配排序法，在求解高维复杂的混合整数规划模型时由于多目标的数量众多导致排序时间过长，且非支配解集中存在大量的无效非支配解降低了种群分层排序的收敛效率。本文采用改进的快速支配排序，将原有的比较个体数增加为两个，并引入新的支配判别强度指标判别种群的优越性。
  
• 改进的拥挤度计算：利用拥挤度保障种群的多样性，一般将种群中某个点的周围定点的密度叫做拥挤度。虽然可以保持种群的均匀分布，但个体a和b之间的距离相较于a和b另一点的距离更短，a和b的拥挤度距离计算较大且相似，可能会同时保留或淘汰。该策略会导致分布较好的某些个体淘汰，而分布较差的个体保留。为了保持种群的分布性，采用一种考虑拥挤度方差的拥挤距离计算方法。
  
• 改进的精英保留策略：传统的精英策略保留是固定值，非支配解集收敛效果不佳。为了提高解集的收敛效率，引入伪适应度f，增加精英的保留规模，f越小则说明个体越优秀。
  
• 交叉和变异：传统的SBX交叉算子的全局搜索能力较弱，采用算数交叉分子替代传统的SBX交叉算子。
  

3. 整体流程
   

4. 算法测试
   （1）多目标算法性能评价指标：选用测试函数来测试算法性能，与NSGA2算法对比。选取三个指标（收敛性的评价指标世代距离GD、多样性的评价指标空间指标SP、综合性的评价指标改进后的反向迭代距离IGD+）来分析改进后算法的收敛性、多样性和综合性。
   （2）算法测试：测试函数对比+SP指标对比+IGD指标对比
   （3）算例结果及分析：实际应用数据作为数据来源，采用NSGA2、改进算法和改进的黑洞进化算法求解多目标整数规划模型。
   （3）灵敏度分析：有改变病房的总量参数进行灵敏度分析。对病房数量以及医院服务单位病人所需成本进行调整，对病房的总数量、诊疗单位病人的成本这两个关键参数进行灵敏度分析。

5. 总结：文章设计严谨，整体结构非常值得参考，改进的点挺硬的，有针对算法测试的部分（含评价指标），也有结合实际问题求解的部分，最后的灵敏度分析也很严谨，可以好好学学。

三、中断离港航班恢复的改进NSGA2算法/基于支配强度的NSGA2改进算法

1. 摘要：为解决因突发事件产生的航空公司航班中断问题，对中断的离港航班进行恢复，构建最小化航空公司总延误成本和最小化乘客总延误时间的双目标优化模型，设计基于支配强度的自适应非支配排序遗传算法，提出三种改进操作：快速支配排序方法、新的拥挤距离和自适应精英保留策略，通过福州机场某航空公司的运行数据，验证了所提出的算法，实验结果表明，与传统的先规划先服务方法相比，本文算法得到的解有大幅优化，与 ε 约束法相比，求解时间总体上低于 ε 约束法并且求解结果接近 ε 约束法所得最优结果，与 NSGA2、MOEAD 等多目标优化算法相比，本文算法表现出更优的性能，能够有效且高效地解决问题,为航空公司达成优化的解决方案提供基础。
2. 算法设计：双目标优化问题。NSGA2 是 Deb 等[15]提出的一种典型的多目标优化算法，主要通过引入快速非支配排序方法、拥挤距离计算和精英保留策略，得到 Pareto 解集。考虑到离港航班恢复问题的特征，为了提升算法的性能，本文在 NSGA2 的基础上，采用改进快速支配排序方法、新的拥挤距离计算和自适应精英保留策略进行改进，提出基于支配强度的自适应 NSGA2算法（ANSGA2-DS），求出满足航空公司和乘客偏好需求的Pareto 非劣解集合。ANSGA2-DS 的算法流程图如下（图 1）：

（1）改进快速支配排序
进行约束处理后，使用改进快速支配排序方法（是直接用的别人的方法）对个体进行分级排序。


（2）拥挤距离计算
原算法拥挤距离的计算仅仅关注相邻个体之间的距离，在不同子目标上拥挤距离差异程度较大的个体被遗传的概率较小，不利于解集分布性的维护，因此文章采用一种新的考虑方差的拥挤距离。

（3）自适应精英保留策略：精英保留策略选取的规模通常取一个固定的数值，这不利于解集的收敛。进化早期阶段控制精英个体的保留规模，可以使算法搜索到更多的新随机个体；进化后期，非支配集规模增加，保留的精英个体数量也在增加，算法能够尽快收敛到Pareto边界。

（4）遗传操作算子设计。

（5）种群合并：将父代种群中通过自适应精英保留策略选择的精英个体与福袋种群中通过遗传操作产生的个体混合，组成下一代种群。

3. 实验设计/算例分析
   （1）算例选取：选择三种不同难度的应用场景，利用所提出的改进算法进行求解。
   （2）评价指标：公平价格（乘客总延误时间）、反向世代距离
   （3）算法对比

• 参数选择：采用田口正交试验法调整算法中的参数、观察解的数量、时间和质量。
• 结果讨论：将改进算法雨传统先规划先服务方法、多目标优化求解方法约束法在三种不同场景中运行的结果进行比较，计算目标函数的最优值、最大公平价格等；进一步通过相同的算例对ANSGA2、NSGA2和MOEAD进行测试。

4. 总结：算法创新点考虑的很全，但是其实和上一篇文章很像，可以参考他改进的思路，做一些小小的改动；实验设计要严谨。

四、改进的NSGA2算法在航空活塞发动机装配中的应用

1. 摘要：针对复杂机械产品零部件选择装配中个体重复现象，提出一种新的解集评价指标：种群均匀度。基于种群均匀度和拥挤度相结合的子代精英保留策略，改进了多目标优化NSGA2算法。以装配合格率和装配精度为质量评价指标，建立选择装配多目标优化模型。引进近邻搜索算子，克服NSGA2算法局部搜索能力的不足。以某型号航空活塞发动机装配为例，优化结果以Pareto边界集表示，结果表明算法改进之后非支配解集的多样性和收敛性均得到了提高。
2. 具体算法
   （1）构造适应度分配函数
   
   （2）改进子代精英保留策略
   
   （3）解集评价指标
   
   （4）近邻搜索
   
3. 实验
   （1）算法改进前后解集分布对比
   
   （2）改进前后性能对比
   
   （3）改进前后平均质量损失对比
   

五、改进 NSGA2 在炼钢-连铸调度中的应用研究

1. 摘要：针对具有多重精炼方式的炼钢-连铸调度排产问题，采用单纯带精英策略的非支配排序遗传算法(NSGA2)存在求解精度不高，求解速度慢、并得到 Pareto 解集后需要人工确定最优解的问题，提出了基于优先级策略的改进 NSGA2 新方法。首先基于炼钢-连铸生产工艺过程及调度目标和要素建立多目标优化调度模型，然后将所提出的方法应用到具有多重精炼的炼钢-连铸生产调度问题中，并与现有采用原始 NSGA2 的仿真结果进行比较。实验结果表明本文提出的基于优先级策略的改进 NSGA2 算法在求解速度、求解精度上均优于原始 NSGA2 算法，并能自动给出唯一的最优调度方案，避免人工确定最优解缺乏科学依据问题。

2. 具体算法
   
   （1）改进思想：从实际问题出发，设计不同优先级的调度目标，依据优先级顺序对原始 NSGA2 的排序方法进行改进，从而降低计算量，并为最优解的选取提供依据。
   （2）改进策略：

• 改进的二元锦标赛选择策略：先非支配排序，并计算个体拥挤度，再去选择较为优秀的个体进行下一步的遗传操作。
• 基于优先级策略的比较排序：按照等级从高到底一次比较对应的目标函数值
• 基于优先级的最优解选取策略：运用提出的基于优先级策略的比较排序替代原算法中每次产生子种群中所用到的非支配排序以及个体的拥挤度计算（精英策略）。对每代中合并得到的二倍种群进行优先级策略的排序，挑选出前 N 个个体组成下一代种群；使用该策略可以确定出每代的最优个体，并将每代的最优个体进行比较，从而挑选出全局最优解

3. 实验设计
   用改进前后的算法分别求解实际问题，并进行对比，最优调度方案及时间对比。

六、基于改进 NSGA2 的柔性车间多目标智能调度问题研究

1. 摘要：通过分析现有柔性车间调度问题特点和对相关算法进行研究，提出了基于改进非支配排序遗传算法( Non-Dominated Sorted Genetic Algorithm-II，NSGA2) 的调度方法求解该问题。针对非支配排序遗传算法中存在种群多样性低、运算速度慢等缺点，提出了基于拥挤度的自适应交叉算子，并借鉴竞标机制思想，将竞争选择方法引入非支配排序遗传算法中，以提高求解质量。通过实验仿真以验证所提算法的有效性与可行性。
2. 算法：
   （1）编码：
   
   （2）Pareto排序
   （3）基于NSGA2拥挤度的自适应交叉算子设计
   
   （4）基于加工机器状态的竞争选择策略
   从实际问题的角度，设计了一个最优解选择的机制。
   
3. 实验部分：只是用算法求解实例数据，输出进化图和调度方案。

七、基于改进 NSGA2 算法的航空燃油泵叶轮优化设计

1. 摘要：传统方法设计航空燃油泵受经验限制，需要反复试验改进，无法实现多目标同时优化。为消除传统设计方法的缺陷，设计一种改进 NSGA2 多目标遗传算法。将改进 NSGA2 算法用于某型燃油泵叶轮的优化设计，并将泵转速也增设为优化变量，结果表明在满足泵性能要求下可以减小泵尺寸，提高泵工作效率。与传统设计方法相比，采用改进 NSGA2 算法，可以缩短设计周期，降低设计成本，为泵设计提供了一种快捷有效的新方法。
2. 具体算法：
   （1）精英策略改进：NSGA2 算法采用的精英保存策略和锦标赛选择法，会使Pareto 最优解层个体迅速繁殖，并使非支配层数目和其他非优支配层中的个体数目减少，使得侧向多样性损失严重，会导致局部收敛。因此将 NSGA2 算法的精英保存策略改为精英控制策略。
   
   （2）拥挤度改进：
   
   （3）交叉算子改进
   
   （4）算法终止条件
   
3. 实验设计：使用改进算法可以帮应用提升多少指标值。
4. 总结：算法创新点非常值得借鉴，但是实验设计不够严谨。

八、总结

1. 文章聚焦于中国知网上NSGA2算法改进的文章，时间为20-23年，时间比较新，具有一定代表性
2. 就算法改进的点来看，其实比较全了，从进化算法本身算子的改进，到多目标问题相关的排序策略、最优解策略，以及从实际问题出来考虑其特点做出的改进。
3. 好好看看 比较具有参考性。