智能优化算法-优化问题讲述.pptVIP

基于群体且引入Pareto支配概念的方法 Goldberg在1989年最早提出基于Pareto支配的概念进行适应度评价的方法。采用这种排序方法的多目标进化算法有NPGA、NSGA、NSGA-Ⅱ。 思想：对当前群体中的所有Pareto非支配个体赋予相同的选择概率。首先找出群体中的所有非支配个体，定义这些个体的排序值为1，从群体中去除这些非支配个体；然后找出剩余群体中所有的非支配个体，定义这些个体的排序值为2，再去除这些非支配解。如此进行下去，直到处理完群体中的所有个体。 优点：不受可行决策空间的形状和连续性的影响。 缺点：当优化问题的维数较高(目标较多)时，这类排序方法将使得进化算法在有限规模的群体中产生大量的非支配解，这些非支配解之间缺乏确定的比较标准，难以从中进行选优操作，从而导致算法出现停滞现象或产生早熟收敛。 多目标优化问题-多样性维护 在求解多目标优化问题时，除了要求进化算法搜索到一组Pareto最优解，还要求在进化过程中维护群体的多样性，使得搜索到的解集具有较好的分布特性(如均匀分布)，且分布范围尽可能宽广； 虽然某些基于Pareto支配概念的适应度评价方法在一定程度上考虑了群体的密度信息，但由于它们为非支配解赋予了相同的适应度，当群体中大多数个体均互不支配时，它们对群体多样性的维护作用将失效； 多目标进化算法主要采取两类多样性维护策略：小生境法和密度估计法。