NSGA-III相关笔记

最新推荐文章于 2024-04-14 10:43:08 发布

Geeker4

最新推荐文章于 2024-04-14 10:43:08 发布

阅读量1.3w

点赞数 22

分类专栏：机器学习文章标签：算法机器学习

本文链接：https://blog.csdn.net/weixin_42555400/article/details/105669552

版权

NSGA-III是为了解决多目标优化问题，特别是针对三个及以上目标时的算法。与NSGA-II相比，NSGA-III使用基于参考点的非支配排序，解决了拥挤距离在高维问题中的不足，提高了解决方案的分布均匀性。算法包括非支配排序、参考点生成、个体关联参考点和子代筛选等步骤，旨在维护种群多样性和收敛性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

NSGA-III

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。

————————————————