MOEA-D算法详解(2)---(边界惩罚方法)

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:

在这里插入图片描述

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:

在这里插入图片描述

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:在这里插入图片描述

例2:在这里插入图片描述

例3:在这里插入图片描述
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。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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