【搞搞算法】多目标GA算法NSGA-II_论文阅读笔记

这是2014年4月在其他博客上写的，转帖到CSDN的博客上。

之前阅读总结各种多目标GA算法特点的论文《Multi-objective optimization using genetic algorithms: A tutorial》（Abdullah Konak等，Reliability Engineering and System Safety，2006）中，提到了一个相对效果比较好的算法NSGA-II，于是找了相关的论文仔细学习了这个算法的过程。

这个算法是由Kalyanmoy Deb等人提出的，有几个特点：

• 不需要用户指定一些类似Fitness sharing方法中niche count（小生境大小）之类的参数：这些参数的轻微不同有可能导致结果很大的差异，所以用户主观指定的参数越少越好；
• 非支配集排序（non-dominated sorting）的时间复杂度相对其他算法较低：已有的排序方法时间复杂度为O(M*N^3)（M：目标函数个数；N：种群个体数目），NSGA-II的排序方法时间复杂度为O(M*N^2)；
• 维护了精英个体：维护精英个体能明显地提高多目标GA的效果。

2000年，Kalyanmoy Deb等人在Proceedings of sixth international conference on parallel problem solving from nature上曾经发表过描述NSGA-II的论文《A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II》。