NSGA-III相关笔记

目录

NSGA-III基于matlab的实现
参考文献
1.An Evolutionary Many-Objective Optimization Algorithm Using Reference-point Based Non-dominated Sorting Approach,Part I: Solving Problems with Box Constraints.
2.An Evolutionary Many-Objective Optimization Algorithm Using Reference-point Based Non-dominated Sorting Approach, Part II: Handling Constraints and Extending to an Adaptive Approach.

版权声明：本文为CSDN博主「sunny落花生」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/wayjj/article/details/78954506

版权声明：本文为CSDN博主「Fengfeng__y」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Fengfeng__y/article/details/93776983

知乎用户：https://www.zhihu.com/question/41365143?sort=created
链接https://www.zhihu.com/question/41365143/answer/137162878

目的

首先，非支配解的比例在随机选择目标向量集中与目标的数量呈指数相关（非支配解的比例随目标数量的增加而成指数增长），因为非支配解占据了种群中大部分位置，任何精英保护的EMO都很难容纳下足够数量的种群中的新解，这大大减慢了搜索过程；
其次，实现多样性保存（类似于拥挤度距离和聚类）将是一项计算耗时非常大的操作;
最后，超维前沿可视化是一个很困难的任务，因此导致了后续决策任务和算法性能评估的困难。

————————————————

区别

NSGA3与NSGA2的算法框架大致相同，只是在选择机制有所不同。NSGA2用拥挤距离对同一非支配等级的个体进行选择（拥挤距离越大越好），而NSGA3用的是基于参考点的方法对个体进行选择。NSGA3采用基于参考点的方法就是为了解决在面对三个及其以上目标的多目标优化问题时&#