Mr_LiShao的博客

最近在学习MOEA/D算法，在学习过程中学习到一些东西，在此做一下记录。MOEA/D算法是将多目标优化问题转化成一系列小的单目标优化问题，然后利用一定数量的相邻问题的信息使用进化算法对这些子问题进行优化，进行N次迭代后，最后得到一组Pareto解。 算法详解： 输入： 要求解的多目标问题MOP 算法终止条件 子问题数目 均匀分布的权重向量 每个权重向量的邻居个数T 输出：EP 步骤 初始化 设置EP为空 使用欧氏距离计算找到每个元素的T个近

在使用遗传算法时，会使用到轮盘选择的方法，在计算选择概率时，当收敛到一定程度，总适应值F趋近于0的时候，公式中分母变为0，此时不可计算，须另寻其它方法。

遗传算法是一种模拟生物自然进化的一种算法，通话对生物进化的模拟，实现对数值函数的模拟计算。它主要分为四个步骤：初始化、杂交、变异和选择。1、初始化初始化即初始化种群中每个个体，在左右边界之间随即取得每个染色体个体中每个基因的值，并根据适应值函数计算每个个体的适应值。在此处可研究一些初始化方法，使得在初始化过程中得到的个体更均匀、更有利于找到最优个体。2、杂交通过随机出一个浮点数r，若r小于杂交概率，则将两个已选染色体各个基因进行杂交，得到一个新的个体。此处课研究一个新的杂交方法，使得其杂交得