对SPEA算法的一些总结

SPEA以及SPEA2也算是和NSGAII 可以说得上并列的有名的多目标问题的优化算法了。并且NSGAII,SPEA,以及SPEA2会经常拿来和自己的算法来做对比，在写论文的时候。今天特意复习了下SPEA，下面总结一下这个算法，主要是描述一下流程，如果到最后还有啥没说全的就再补充下：
1：首先初始化一个archive的集合P1，以及一个常用的population的集合P。设置P1的大小是N1，P的大小是N。初始的时候P1是空的，而P是已经初始化好的种群个体。
2：对P1进行评价，选出来里面的pareto front为1（下面用PF1来代替了）的个体，copy到P1中，如果PF1的数量大于N1的话，这个接下来再说，目前假定PF1的数量小于N1。
3：此时P1中也有了个体，那么先给P1中的个体分配fitness，分配的思路是 f(i)=S