NSGA.docVIP

基于非支配排序的带有精英策略的多目标优化算法：NSGA-II 摘要：使用非支配排序和共享变量方法的多目标进化算法近年来因为它的一些缺陷指责，主要是由于(i)这种算法的计算复杂度较高，达到了O(mn3)(其中m表示多目标优化中目标的数量，n表示种群的大小)，(ii)缺少精英策略，(iii)需要人为指定共享变量。在本文中，提出了一种基于多目标进化算法的非支配排序方法（我们将它称为非支配排序GA-II算法或者NSGA-II算法）。选择操作通过把父代和子代混合在一个交配库中，从中选择最优的N个个体（根据适应度层级和拥挤度进行优劣排序）。通过5个复杂的测试函数进行测试得出的模拟结果表明，本文所提及的NSGA-II算法，在解决大部分问题是，比PAES和SPEA算法（另外两种具有精英策略的多目标遗传算法，这两种算法在的优势在于创造多样的Pareto最优层级）具有更好的分布，并且它的收敛性更接近实际中的Pareto最优层级。因为NSGA-II算法具有较低的计算复杂度，带有精英策略和较少的共享参数参数，NSGA-II算法在最近几年内将应用在更多的领域。 介绍 在过去的十多年中，人们提出了大量的多目标进化算法（MOEAs）。主要原因是它们在一次运行中找寻多值Pareto最优解的能力。一个问题有多个最优解的主要原因是不可能同时优化多个对象时找到一个单独的最优解，所以一个能给出大量可供选择的最优解集的算法