主要针对platemo平台(进化多目标平台)下可求解优化问题类型进行汇总并介绍。
小白的个人学习记录,如果错误的地方,多多见谅。
内容引用的博客附在文中,有兴趣的同学可以点进链接继续学习。(如果侵权内容,联系我立马删除)
所有的优化问题均具有三要素:
(1)决策变量。
(2)目标函数。
(3)约束。
单目标优化
单目标优化的情况下,只有一个目标,任何两解都可以依据单一目标比较其好坏,可以得出没有争议的最优解。
多目标优化
多目标优化问题中,同时存在多个最大化或是最小化的目标函数,并且,这些目标函数并不是相互独立的,也不是相互和谐融洽的,他们之间会存在或多或少的冲突,使得不能同时满足所有的目标函数。
由此产生帕累托最优解的概念。
注:多目标优化下,虽然有多个目标函数,但是它们共享相同的约束条件。当不同目标的约束条件不同时,无法直接进行多目标优化求解。即使可以把其作为博弈问题进行处理:(一)博弈/分别写出来它的闭式解,通过推导的方式找到两边都均衡的解。(二)把两个目标耦合成一个模型(三)使用求解器进行求解。
多目标解的求解方式:
https://blog.csdn.net/weixin_43905651/article/details/122176406多目标与单目标的关系介绍,以及根据不同的分类标准,目标优化可以分为不同的类型:
https://blog.csdn.net/try_again_later/article/details/82704978
超多目标优化
问题含有三个以上目标函数。其余内容跟与多目标优化类似。
以上三类优化问题的求解算法性能评价指标:
https://blog.csdn.net/Lyx2019/article/details/113440219
连续优化
决策变量为实数或整数。
数学模型角度:连续优化(介绍凸优化及相关内容):
https://blog.csdn.net/weixin_44378835/article/details/114583829
算法角度:连续优化算法的介绍:
https://zhuanlan.zhihu.com/p/404993732
二进制优化
决策变量为二进制数。
常见问题:背包问题。
背包问题及算法介绍:
https://blog.csdn.net/belous_zxy/article/details/80357450
序列优化算法
决策变量构成一个序列
常见问题:装配序列优化问题。
稀疏优化
最优解中大部分的决策变量均为零
稀疏表示是针对不确定方程组的求解问题而提出的。对不确定方程组Ax=b,A∈R^{n*m},且n<m,在A为满秩的条件下,方程数目小于未知数的个数,方程组有无数组解。给定不同的正则约束函数,不确定性方程组的解也会有所不同。稀疏表示模型是将解的系数性作为不确定性方程组一种约束,使方程组有唯一解。
其他链接
非线性规划:
https://blog.csdn.net/qjzcy/article/details/51727741
关于优化问题分类更详细的介绍可见:
https://blog.csdn.net/Xurui_Luo/article/details/107371115