MOEA/D算法之边界惩罚
方法思想:基于惩罚的交叉边界法放宽了对可行解的要求,但加入了一个惩罚措施,即如果不在权重向量方向上就要接受惩罚,距离权重向量越远,惩罚越厉害,惩罚力度通过θ来调节
边界惩罚聚合函数进行聚合后,单个目标函数形式转换为:
公式中Z*为参考点
λ为个体F(x)所属的权重向量
d1表示F(x)在λ上的投影点离理想点的距离
d2表示投影点离F(x)的距离
如下图所示:
惩罚参数θ的设置及个体等值线的画法
在上述公式中,θ的取值对于算法来说起着至关重要的作用。所以如何选取θ的值是边界惩罚方法的重点,而不同的取值对于算法来说有着不同的作用与反作用(因为有可能θ取值影响算法性能)。
接下来就深入剖析一下θ取值的重要性
例1:
例2:
例3:
由上述三个示例可以看出:当θ值越来越大时,个体的等值线与参考向量的夹角会变得越来越小。