估计算法的一些记录和备忘

最近热衷于estimation of distribution algorithm。其中有两篇我认为是比较经典的，并且这些人之前都有这方面大量工作的积累，比较信得过。但是始终觉得没有搞透彻这些文章的一些思想。借此我打算慢慢读这2篇文章，好好的把他们的加以区分，认清楚他们的不足和长处。

这两篇文章分别是RM-MEDA和MMEA。都是AImin Zhou的文章。我打算好好弄一下。

RM-MEDA是通过在决策空间中进行估计采样，产生新的solution，通过Non-dominate sorting最终获取好的解，因为这个模型在采样过程中本来的思想就是沿着接近PS的地方均匀采样，所以得到的的结果默认在PF中也是均匀的。这样就有局限性出来了，为什么在PS中均匀也就在PF中均匀了？我仔细看了下这个文章的数据集，以及结合在MMEA中对RM-MEDA的评价，我个人认为是这是数据集的问题，也就是说这些数据集合上本来就是如果在PS均匀了，在PF也是均匀的。我想这方面也是需要搞清楚的，这些数据集对应的feature是什么。

MMEA就不做这个假设了，也就是说在PS中均匀生成的点，在PF中不一定是均匀的了。他的做法就是先在objective中构成一个simplex，然后弄上均匀分布的点，对每个点在objective上进行聚类，然后这些点对应在decision space上进行移动前进，逼近PS进而导致在PS上是均匀的。

其实到现在还是不是非常的清晰这2篇文章的核心点。但是可以肯定的是2者只能解决PS是曲线或者面的问题，如果是一个set的话就没办法做。MMEA的方法是从objective来做的，但是具体做还是从PS来做，只是希望在PS中这样做可以达到在PF中那样做的效果而已。

继续 往下看吧。。