多目标进化优化-MaOEA-IGD

参考文献
IGD Indicator-Based Evolutionary Algorithm for Many-Objective Optimization Problems
Yanan Sun, Member, IEEE, Gary G. Yen , Fellow, IEEE, and Zhang Yi, Fellow, IEEE

1. 创新点

1. 一种基于分解的nadir point评估方法
2. 一种新的非支配比较策略：个体和参考点之间比较
3. 3种近似距离分配方案
4. 基于新的非支配比较策略和3种新的近似距离分配方案改进了环境选择和交叉选择机制。

2. DNPE

1. 公式：

2. 好处：不用每次都进行非支配排序，挑选出PF的边界点，可以让算法更节约计算成本。

3. 目的：找到乌托邦PF，使之能够准确的用于计算IGD指标

3. 算法框架

3.1 产生均匀的参考点

1. 先根据DNPE找到每个维度的nadir point和ideal point

2. 再使用MOEA/D中的分参考方向的方式产生一系列参考点集，其中这些参考点的每个维度的和都为1

3. 最后，根据由DNPE得出的nadir point和ideal point将参考点集转换为乌托邦PF，记为p*，这个乌托邦PF将用于IGD的计算