NSGA-II 非支配排序遗传算法

NSGA-II 非支配排序遗传算法

1、算法简介

在实际问题中大都具有多个目标且需要同时满足，即在同一问题模型中同时存在几个非线性目标，而这些目标函数需要同时进行优化处理，并且这些目标又往往是互相冲突的，称这类问题称为多目标规划问题。

NSGA-Ⅱ算法，即带有精英保留策略的快速非支配多目标优化算法，是一种基于Pareto最优解的多目标优化算法。

1.1、相关知识点

推荐入门视频：https://www.bilibili.com/video/BV1DA4y197JQ?share_source=copy_web

支配（Dominance ) :在多目标优化问题中，如果个体p至少有一个目标比个体q好，而且个体p的所有目标都不比q差那么称个体p支配个体q

序值(Rank):如果p支配q，那么p的序值比q低;如果p和q互不支配，那么p和q有相同的序值

拥挤距离(Crowding Distance):表示个体之间的拥挤程度，测量相同序值个体之间的距离。

2、算法描述

2.1、GA 对比 NSGA-II

*

如上图所示，可以看出：GA中的 “计算适应度” 对应于NSGA-II中的“快速非支配排序 + 拥挤度计算”

2.2、快速非支配排序

支配（Dominance ) :在多目标优化问题中，如果个体p至少有一个目标比个体q好，而且个体p的所有目标都不比q差那么称个体p支配个体q

序值（Rank）:如果p支配q，那么p的序值比q低;如果p和q互不支配，那么p和q有相同的序值（rank）

如上图，一般假设坐标轴负方向为好的方向：

• 那么A支配C，并且C的rank比A低；
• AB互不支配，所以AB有相同的rank；

在这里AB的rank为1，可以理解为AB是第一梯队的解。

所谓的快速非支配排序，就是按照rank的值进行升序排列，那么问题来了，rank值相同的个体又该怎么排序呢？

答案是：拥挤距离

2.3、拥挤距离

我们先来思考一个问题：生成新一代种群的过程中，我们是否需要对每个个体都计算拥挤距离？

• 我们排序的目的是：排出来一个序列，取序列的前N个优秀的个体成为新一代种群

• 假如如上图所示，F1为 rank = 1 的个体的集合，F2 为rank = 2 的个体的集合，N为F3中某个位置的虚线

• 我们可以得出一个结论：F1和F2一定是新一代种群的一部分，而F3需要淘汰一部分

那么这个问题的答案就是：我们只需要对F3进行拥挤距离排序就好了

先来看看什么是拥挤距离：

拥挤距离(Crowding Distance):表示个体之间的拥挤程度，测量相同序值个体之间的距离。

一种计算方式为该个体在目标空间所能生成的最大的矩形（该矩形不能触碰目标空间其他的点）的边长之和，如下图

注：还有很多其他计算方式

2.4、算法核心–生成下一代策略

1.首先将父代种群$P_t$和子代种群$Q_t$合成种群$R_t$

2.根据以下规则从种群$R_t$ 生成新的父代种群$P_{t+1}$
①根据Pareto等级从低到高的顺序，将整层种群放入父代种群$P_{t+1}$ ，直到某一层该层个体不能全部放入父代种群$P_{t+1}$

​ ②将该层个体根据拥挤度从大到小排列，依次放入父代种群$P_{t+1}$中，直至父代种群$P_{t+1}$填满。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-J3cIhWnC-1658384723697)(.img/domain-sort.png)]

3、代码实操

有点复杂，先放个链接链接（含测试函数以及ZDT真实数据）
https://download.csdn.net/download/qq_45555061/86247361

4、算法结果

eg, ZDT3:

50轮：

150轮：

250轮：