参考资料 多目标进化优化[1]-郑金华老师,邹娟老师著 实验室人手一本人人必看的宝藏图书!
与
之间的间隔距离,计算式被定义为:
其中n表示
中点的个数,p表示目标维数,
表示目标空间中得到的 每个点
距离
参考点(类似于答案)的最近欧式距离的平均值 。若此值为0,则表示
.
计算可得:
和
之间的间隔距离为
射向
的 ,因此被称为 反向世代距离 。
其中n表示
中点的个数,
表示目标空间中 真实前沿的每个点距已知前沿的最近欧式距离 。此值越小,意味着算法的综合性能越好。
IGD = 0;% 初始化IGD为0
for i = 1:51 % 遍历PFtrue中的所有电
% data中保存的是真实PF
% data(i,1)表示第i行的第1列数
% 得到一个单元格中数值是data(i,)形状是(pop2,1)的长条状列向量
c1 = data(i,1)*ones(pop2,1);% 第一个目标的目标值
c2 = data(i,2)*ones(pop2,1);% 第二个目标的目标值
%对于一个参考点,使用所有实际点在两个目标上对应项相减后分别在两个目标上平方
% sum(,2)按行相加
% min 取最小的距离开方
IGD = IGD + sqrt(min(sum((T2_data-[c1 c2]).^2,2)));
end
% 对PFtrue上所有点取平均
store(2,generation)=IGD/51;