多目标优化系列(五)IBEA

Indicator-Based Selection in Multiobjective Search
中文名:基于指标的多目标选择

由于这篇文章描述较为简单,所以我们直接展开正题。

正文

思想

这里写图片描述

对于上图的问题,我们怎么判断A集合和B集合(如果最小为最优)的优劣性。该文运用了下图中的指标

这里写图片描述
首先该指标代表的前两幅图,而右边的两幅图则又是另一种指标。
我们对该指标描述一下,从上图中第一幅图看,假设A点即X1,B点即X2,对与垂直方向,

fAfB>0
对于水平方向:
fAfB<0
因为 ϵ >=fi(x1)-fi(x2),for i in {1,,,n},这是代表 ϵ 对每一个fi(x)均需满足, ,所以 ϵ 应大于最大正差距,即垂直方向上的值(该值是大于0 的)。又因为我们要最小化该值,所以 I 应取最大的正差距,即该图中A与B的水平方向上的差值。

我们分析一下该指标,当A->B,即I(A,B)(可理解为A移向B)存在某一维度与优化方向相同时,该即为 I <script type="math/tex" id="MathJax-Element-1783">I</script>正值,否则为负值(代表A只支配B),

算法

这里写图片描述
这里写图片描述

为了方便起见,我先把原始算法在这里展示一下,然后用中文翻译:

  • 约定:α表示种群大小,N表示最大迭代次数,

  • step1: 产生初始种群P,种群大小为α,当前迭代此时m=0

  • step2: 适应度计算,根据一下公式计算P里个体的使用度,例如x1(k为比例缩放因子,参数)
    这里写图片描述

  • step3: 对每一代P,执行如下运算(缩减),直到种群大小为α

    1. 选择适应度最小的解
    2. 从种群中去掉该解
    3. 更新剩余解的适应度值
      这里写图片描述
  • step4: 终止条件判断

  • step5: p’ 为p 的复制,

  • step6: 用交叉变异作用在p’上,p=p’+p,m=m+1,转step2。

[1]基于加法ε~+指标的多目标优化方法研究(知网)

评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值