
多目标优化
人工智能学习
贵在坚持
展开
-
NSGA-II 概述
NSGA-II的选择算法。主要包含三个部分: 1. 快速非支配排序 要先讲一下支配的概念,对于解X1和X2,如果X1对应的所有目标函数都不比X2大(最小问题),且存在一个目标值比X2小,则X2被X1支配。 快速非支配排序是一个循环分级过程:首先找出群体中的非支配解集,记为第一非支配层,irank=1(irank是个体i的非支配值),将其从群体中除去,继续寻找群体中的非支配解集,然后irank=2。...转载 2018-07-15 17:14:14 · 7029 阅读 · 0 评论 -
多目标进化优化的Tchebycheff分解方法
On Tchebycheff Decomposition Approaches for Multiobjective Evolutionary Optimization Digital Object Identifier 10.1109/TEVC.2017.2704118 摘要: Tchebycheff分解是一种极广泛使用的分解方法,其能将一个多目标优化问题转化为一组标量优化子问题。然而,...转载 2018-10-16 12:13:42 · 2969 阅读 · 0 评论 -
多目标优化问题中常见分解方法的理解
作为刚上研一提前来给老师当苦力的小菜鸟,第一次学习MOEAD算法的时候,对其中介绍的分解方法一脸懵*,上网查了不少资料,很难查到详细的解释(好吧,可能我查的姿势不对),完全不理解这些分割方法所给出的表达式的意义,索性搁置了小半个月。 这里必须要感谢一下Chithon的http://blog.youkuaiyun.com/qithon/article/details/72885053#comments这篇博客...转载 2018-10-16 18:13:03 · 1689 阅读 · 0 评论