多目标优化算法评价指标(performance metrics)

原创 已于 2023-04-14 21:53:43 修改 · 2.2w 阅读 · 183 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#多目标优化

于 2023-04-14 21:50:34 首次发布
文章介绍了多目标优化问题的定义，包括帕累托支配和最优前沿概念。重点讨论了四种常用的评价算法性能的指标：hypervolume（超体积），generationaldistance（代际距离），invertedgenerationaldistance（反向代际距离）以及setcoverage（集合覆盖），并阐述了它们在衡量解集的基数、准确性和多样性方面的应用。

参考Performance metrics in multi-objective optimization​​​​​​​

Riquelme, N., Lücken, C. V., & Baran, B. (2015, 19-23 Oct. 2015). Performance metrics in multi-objective optimization. Paper presented at the 2015 Latin American Computing Conference (CLEI). 

目录

1.多目标优化定义

2.常用评价指标 

2.1 hypervolume (HV)

2.2 generational distance(GD)

2.3 inverted generational distance(IGD)

2.4 set coverage(C)

单目标优化问题比较各种算法的性能可以直接通过目标值比较，但是多目标优化算法找到的往往是帕累托解，需要一些合适的评价指标来比较这些算法的性能。

1.多目标优化定义

多目标优化问题有n个决策变量，k个目标函数，空间包括两类：n维的决策空间\Omega，代表每个解，k维的目标空间\Lambda，代表每个解的目标值，\Omega中的每个点在\Lambda都有对应的点，但是\Omega中可能多个点对应\Lambda中一个点

  • 帕累托支配(Pareto Dominance)：给定属于
最低0.47元/天 解锁文章
MATLAB算法实战应用案例精讲-【智能优化算法】多目标算法性能评价指标
qq_36130719的博客
04-15 4865
在评估多目标优化算法的效果时，我们通常使用五个主要指标：GD（Generational Distance）、IGD（Inverted Generational Distance）、Hypervolume、Spacing和Spread。和是用于测量算法生成的解集合与真实前沿解之间的距离的指标。具体而言，GD测量了所有生成解与真实前沿解之间的平均欧几里得距离，而IGD测量了所有真实前沿解与生成解之间的平均欧几里得距离。这两个指标的目标是越小越好，即算法的生成解集合应该尽可能接近真实前沿解。
多目标优化蚁群算法的matlab_深入浅出多目标优化10分钟多目标优化入门
weixin_39956558的博客
11-21 3098
多目标优化快速入门多目标优化--引子正如生活中，你想买一辆车，又想汽车的性能好，外观不错，价格还比较低，对于这同时满足这三个条件，我们应该如何进行考虑呢？在投资的时候，我们想投入的资金最少，所付出的风险最小，同时收益是最大的，如何同时进行实现呢？在数学学习中，求求函数 f1(x1,x2,…,xn)=x1^2+x2^2 +…+xn^2 及函数 f2(x1,x2,…,xn)=(x1-1)^2...
多目标鲸鱼优化算法（NSWOA）含46种测试函数和9个评价指标（MATLAB完整源码）
最新发布
09-24
1.多目标鲸鱼优化算法（NSWOA）含46种测试函数和9个评价指标（MATLAB完整源码） 2.NSWOA（Non-dominated Sorting Whale Optimization Algorithm） 结合了鲸鱼优化算法和非支配排序策略，用于求解多目标优化问题。 3.求解多目标优化问题的Pareto最优解集（PS）和Pareto前沿（PF）； 计算的9种评价指标： IGD（反向世代距离） GD（世代距离） HV（超体积） DM（间距指标） CPF、Coverage、DeltaP、PD Spacing（解集分布均匀性）
【多目标优化算法的收敛指标】
wq6qeg88的博客
04-05 1467
这里的困难在于，为了计算 IGD/GD，必须知道问题的真帕累托集和一些（或大多数时间）信息，例如它不可用的信息。为了避免帕累托关系引起的现象，一些研究者指出了其他比较元素的方法（见）或改为非基于帕累托的MOEA，如基于指标和基于聚合的方法（见 8 ), ( 9 ）。一般来说，超体积是受欢迎的，因为它在单个标量中既捕获了解与最优集的接近程度，又在某种程度上捕获了解在目标空间中的分布。本文的组织结构如下：在第2节中，我们建立了一般的多目标问题，在第3节中，我们讨论了三个众所周知的指标。2 多目标问题（MOP）
【智能算法】多目标Memetic优化算法及其实现
大雨的博客
09-14 1820
本文探讨了多目标Memetic优化算法在解决复杂多目标优化问题中的应用与优势。首先分析了多目标优化问题的困境，指出目标冲突、解空间庞大和不确定性等因素带来的挑战。接着介绍了Memetic算法的独特思路，其结合全局搜索和局部优化的特点为解决多目标问题提供了新途径。文章详细阐述了多目标Memetic优化算法的工作机制，包括Pareto最优解集的构建原理，以及与传统算法相比在全局搜索能力、局部寻优能力和解的多样性方面的优势。通过Python代码示例展示了算法实现过程，包括种群初始化、适应度函数设计、全局和局部搜索
多目标优化问题中常用的性能度量指标及参数设置——GD及变体、HV及变体、SP及变体
loveabc123ABC的博客
07-11 3114
IGD作为多目标优化问题中常用的性能度量指标， 其通过度量算法计算得到的近似Pareto前沿和测试函数的实际Pareto前沿之间的差异来评价算法的性能，也用来评价算法运行出来的解集的收敛性和多样性。而较低的MIGD值意味着处理DMOP 时算法在快速变化的环境中具有良好的整体性能。是给定的多目标优化问题的真实Pareto前沿，POF表示多目标优化算法得到的近似Pareto前沿，n表示中的解的数量。HV是一种较为综合的性能指标， 其具有一定的数学理论依据，可用于评估算法获得的种群的多样性和收敛性。
五种多目标优化算法（NSGA3、MOPSO、MOGWO、NGSA2、SPEA2）性能对比，包含47个多目标测试函数，6种评价指标，MATLAB代码
IT猿手
08-26 1万+
MOGWO是由Mirjalili等人在2016年提出的，基于灰狼优化算法（GWO）的多目标版本。它引入了存档机制和改进的头狼选择方式，以处理多目标问题中的Pareto最优解。MOGWO通过在优化过程中存储和检索最合适的非支配解，并采用轮盘赌的方式从存档中选择头狼，以保持种群多样性并提高算法性能。MOPSO是一种基于粒子群优化（PSO）的多目标优化算法。它通过引入领导粒子的选择机制和粒子的多样性保持策略来解决多目标问题。MOPSO能够同时逼近Pareto最优前沿，并保持了解的多样性。
Pymoo：优化算法的性能指标(Performance Indicators)
嵌入式技术与人工智能
10-17 6937
对于单目标优化算法，由于每次优化运行都会产生一个最优解，因此算法的性能比较相当简单。然而，在多目标优化算法中，每次运行都会返回一组非支配解集（non-dominated set of solutions）。为了比较多组解的性能1，Pymoo实现了以下常用的性能指标：1、GD / IGD：给定一个Pareto前沿，这两个指标衡量了非支配集合(non-dominated set)与最优集(optimum)之间的偏差（1）GD (Generational Distance)指标。
(顶刊)一种改进的Hypervolume（HV）计算的维简算法
大模型天花板
01-30 2734
An Improved Dimension-Sweep Algorithm for the Hypervolume Indicator 1.摘要 本文提出了一种递归的维数扫描算法，用于计算d>2维的n个非支配点质量的超体积指标。 通过对递归树进行剪枝，改进了现有的HSO (Hypervolume by Slicing Objectives)算法，避免了重复的支配检查和部分超体积的重新计算。 此外，它还结合了三维特例的最新结果。 该算法在最坏情况下达到了O(nd−2logn)O(n^{d-2}logn)
多目标优化算法评价指标.zip
10-20
元启发式多目标优化的评判指标的matlab代码，包括spread\IGD\GD\RNI从多样性、收敛性等角度评价多目标优化算法
多目标优化算法中的性能指标
choudongxi的博客
02-02 3856
多目标优化问题一般有D个决策变量,N个目标函数,所以他会有两个空间,一个是决策变量空间(D维度,代表决策变量的分布情况),一个是目标空间(N维度,表示每个目标值的分布情况,pareto前沿就在这上面)
多目标进化算法评价
12-07
多目标算法性能评价，基本上包括了所有的评价方法，有MATLAB和C++两个版本。
多目标优化算法评价指标
08-18
- *1* *2* [多目标优化算法评价指标(performance metrics)](https://blog.csdn.net/weixin_45526117/article/details/130156227)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_...
多目标性能指标评价
再来一下！
05-20 2117
注：此次总结的只是多目标性能评价指标中很少的一部分。
多目标优化中常用的绩效指标（Performance Indicator）（最全概括）
大模型天花板
01-03 9181
1.Generational Distance (GD) GD绩效指标测量的是得到的解与已知的最优解之间的距离 我们假设得到的解集为A={a1,a2,…,a|A|} ,Pareto前沿为 Z={z1,z2,…,z|Z|}. 则GD的计算公式如下： p=2时，di代表得到的解i与最近的参考点之间的欧几里得距离。 2.Generational Distance Plus (GD+) GD+绩效指标与上面类似，测量的也是得到的解与已知的最优解之间的距离，只是稍做修改 则GD+的计算公式如下： 其中 它代表修
多目标优化算法的性能指标_简介
热门推荐
zhangkkit的博客
05-06 2万+
多目标优化算法的性能指标基础知识源码下载参考文献 基础知识   在对多目标优化算法的性能进行评价时，主要有两个评价标准：多样性和收敛性。由于单一的性能指标不能很好地同时反映这两个评价标准，本文使用了三种性能指标来衡量多目标优化算法的性能。三个性能指标分别为超体积度量(Hypervolume, HV) [1] ，得到的非占优解集与参考解集之间的度量(Inverted Generational Dis...
多目标进化算法的性能指标总结 (一)
泛用演化计算、通用人工智能优化模型
10-07 1万+
多目标进化算法的性能指标总结 (一) 觉得有用的话,欢迎一起讨论相互学习~ 转载自： https://blog.csdn.net/qq_40458671/article/details/88601195 注：此次总结的只是多目标性能评价指标中很少的一部分。 一、指标的常见分类方法： 1.考虑指标同时能评估的解集数目（1个或2个解集），可将指标分为一元和二元指标。 一元指标：接受一个解集作为参数进行评估。 二元指标：接受两个解集作为参数，通过比较两个解集的支配关系或其他方面，给出哪个解集更好的判断。 2.多
多目标优化性能指标（世代距离GD，反世代距离IGD）以及测试函数（ZDT系列，DTLZ系列）
a157448的博客
06-04 3052
IGD是一个综合性能评价指标，可以同时评价算法收敛性和多样性，主要通过计算每个在真实Pareto前沿上的点(个体)到求得的解集之间的最小距离和，IGD的值越小，说明算法的收敛性和分布性越好。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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