Two-layer的参考点生成方法

在many-objective的优化算法中，目前很多都是基于reference point的，而这些reference point大部分都是使用的Das的那个方法，也就是在一个单位截距的超平面内生成这些点，这些点的元素和加起来是1。也就是说，任意一个点的元素都是来自：

$$\{0/H,1/H,\cdots, H/H\}$$

其中H是在boundary的分区的数量，产生的点的个数是$C_{m+H-1}^H$，其中$m$是目标的个数。这个算法现在都基本被基于refernce points的技术所采用，但是有一个问题就是，如果$H<m$的话生成的参考点只有在boundary上，内部没有产生这些点，但是为了保持diversity的特性，内部还是需要一定的参考点。一个直观的方法就是让$H>m$，但是当$m\geq8$的时候，生成的参考点又非常多，计算代价大啊。那么在NSGA-III中给出了一种方法就是使用two-layer的方法。

1：第一次就是使用上面说的方法。然后再在内层生成这些点。
2：内层的生成方法是这样的：
2.1：根据设置的H先在外层生成这些点
2.2：分别用这些点和一个中心点连起来，然后求他们连线的中心点即可。这这个中心点的全部元素值都是等于$1/m$，中心点就是这个点和$1/m$加起来除以2即可。