NSGA-Ⅱ算法大量测试函数实验结果展示.pptVIP

多目标进化优化算法基础篇  ——NSGA-Ⅱ算法 Pareto最优解 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（共享函数）多样性保持 主要问题：如何将进化算法与多目标优化问题有机地结合 第二代多目标进化优化算法：（1）SPEA（Pareto强度多目标进化算法）和SPEA2、（2）PAES（精英保留进化策略）、PESA和PESA-Ⅱ、（3）NSGA-Ⅱ（是迄今为止最优秀的多目标进化优化算法之一） 主要特点：精英保留机制、以及基于聚类、拥挤距离、空间超格等方法多样性保持 主要问题：算法的效率问题，如何处理高维多目标优化问题 多目标进化优化算法一般流程 NSGA-Ⅱ算法 NSGA主要问题： 1、构造pareto最优解集计算复杂度太高，为O( ),m为目标个数，N为种群大小 2、需预先设定共享参数 3、没有采取外部种群策略 （即精英保留机制） NSGA-Ⅱ算法——应用篇 DTLZ问题能够扩展到任意多个目标，从而能够很好地扩展为高维多目标优化问题，是目前采用得最多的测试问题之一。 这里主要选择DTLZ1和DTLZ2进行讨论NSGA-2对高维多目标问题求解效果。将维数扩展到4维和5维进行比较和讨论。 参考文献：A Fast and Elitist Multiobjective Genetic Algorithm : NSGA-Ⅱ nsga2-v1.1源代码由2个头文件和19个源文件组成 函数修改文件：problemdef.c 参数修改文件：nsga2r.c 修正版1.1实际操作更加简便 参考文献：A Fast and Elitist Multiobjective Genetic Algorithm : NSGA-Ⅱ 约束测试函数如下表 nobj=2 ncon=2 nreal=2 gen=500 popsize=100 左图来源：A Fast and Elitist Multiobjective Genetic Algorithm : NSGA-Ⅱ gen=500 popsize=100 左图来源：A Fast and Elitist Multiobjective Genetic Algorithm : NSGA-Ⅱ gen=500 popsize=100 左图来源：A Fast and Elitist Multiobjective Genetic Algorithm : NSGA-Ⅱ 参考文献：A Fast and Elitist Multiobjective Genetic Algorithm : NSGA-Ⅱ nobj=5 ncon=7 nreal=3 0.0009-3.1102 f5 0.0306-1.0959 f4 0.0951-0.9512 f3 Algorithm f1 f2 NSGA-2 0.7980-0.9181 0.0272-0.9000 Normalized NSGA-2对于高维多目标优化问题求解效果 一般指目标个数大于5的多目标优化问题 参考文献：A Fast and Elitist Multiobjective Genetic Algorithm : NSGA-Ⅱ 参考文献：进化多目标优化算法研究 NSGA-2对于高维多目标优化问题求解效果 参考书本：郑金华《多目标进化算法及其应用》P190-191 DTLZ1测试问题取得Pareto最优边界时，对应着属于Xm的所有xi的值都为0.5，目标函数的值处于满足 的线性超平面。该问题难以收敛到Pareto最优边界。 DTLZ2测试问题的Pareto最优边界对应着Xm中所有的xi都取0.5，且目标函数值满足 ，该问题能用来测试一个MOEA在增加目标个数时的运算能力。 Xm表示决策变量后的变量集合，个数k=n-M+1 * * * 金盼 2012年04月 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f