12、机器人抓手多标准合成算法解析

机器人抓手多标准合成算法解析

1. 优化算法质量评估指标

在评估多标准优化算法的性能时，通常会使用以下三个指标：
- 非支配个体比例（RNI） ：设路径 $R_1 \subset R^n$ 为个体集合，$N_{R1}$ 是集合 $R_1$ 中的个体数量，$R_2 \subset R_1$ 是集合 $R_1$ 中所有非支配个体的集合，其种群大小为 $N_{R2}$。给定种群 $R_1$ 的非支配个体比例计算公式为：
[
RNI(R_1) = \frac{N_{R2}}{N_{R1}}
]
当 $RNI = 1$ 时，表示种群中的所有个体都是非支配的；当 $RNI = 0$ 时，表示种群中没有非支配个体。
- 算法工作量（AE） ：算法工作量（AE）定义为固定模拟时间段 $T_{sim}$ 与计算的目标函数数量 $N_{eval}$ 的比值：
[
AE = \frac{T_{sim}}{N_{eval}}
]
显然，如果在固定的模拟时间段 $T_{sim}$ 内进行更多的函数评估，那么优化算法所需的计算成本 $AE$ 就越低。反之，如果对于固定的 $N_{eval}$ 值，优化算法需要更多的模拟时间 $T_{sim}$，则反映出需要更多的计算资源。
- 均匀分布（UD） ：大多数多标准优化方法都力求在整个帕累托前沿上实现非支配解的均匀分布。测量非支配个体分布时，均匀分布程度（UD）的值计算公式如下：
[
UD(R_2) = \frac{1}{1 + S_{nc}}
]