NSGA-Ⅱ算法大量测试函数实验结果展示分析.pptVIP

多目标进化优化算法基础篇  ——NSGA-Ⅱ算法 Pareto最优解 图片来源：基于双极偏好的多目标粒子群算法及应用研究 1、pareto最优解又称非支配解、非占优解，pareto最优解集又称非劣解、非支配解集、非占优解集 2、左图为最小化的两目标优化问题的最终pareto前沿分布示意图，则f1和f2目标值均为越小越优，实线和虚线组成部分为可行域，实线表示pareto前沿面，也就是所有pareto最优解对应的目标矢量组成的曲面，一个多目标优化问题对应一个pareto前沿面。 3、A、B、C三点位于pareto前沿面上，该三点的解为pareto最优解，他们三者之间不存在支配或是占优关系。D、E、F三点的解为可行解，非pareto最优解。 4、A点的解支配F点的解，或是相比F点的解，A点的解是pareto占优。同样B和C点与D、E、F点之间存在支配关系或是占优关系 多目标进化优化领域的一些主要算法 ——Coello Coello总结方式 第一代多目标进化优化算法：（1）MOGA（多目标优化遗传算法）（2）NSGA（非支配排序多目标优化遗传算法）（3）NPGA（小生境pareto多目标优化遗传算法）主要特点：基于非支配排序选择、小生境（共享函