NSGA-2多目标遗传算法。有人能给我一个“简单的解释”吗？
NSGA-2多目标遗传算法。有人能给我一个“简单的解释”吗？
提问于 2012-06-07 20:00:42
我在研究遗传算法。
有两个目标，每个目标都有自己的适应值(fv1，fv2)。
我知道世代(SGE)和稳态(SS)遗传算法是如何工作的。
我试图了解NSGA-2和SPEA-2 (我正在使用java库JCLEC的实现)是如何工作的，特别是：
- 什么是“外部人口”？它应该如何规模？
- 与SS和SGE的单目标算法有什么区别(每个个体只有一个适合度值)
如果有人正在使用JCLEC库，我设置了以下参数：
- 外来人口:1 000人
- K值: 10
- 其他属性与SS和SGE相同(种群大小:100，交叉: MPX交叉等等)。
回答 3
Stack Overflow用户
回答已采纳
发布于 2012-06-16 15:44:45
以下是对NSGA-II的解释
- 首先，它随机初始化人口。
- 根据Pareto非占优集对染色体进行排序和排列。在帕累托前沿，染色体是根据欧几里得之间的解决方案或I-dist (在NSGA-II中使用的术语)排列的。一般情况下，在选择时，远离(不拥挤)其他解的解会得到更高的优先权。这样做是为了使一个多元的解n集，并避免拥挤的解集。
- 最佳的N(群体)染色体是从当前群体中挑选出来并放入交配池中的。
- 在交配池中，进行比赛选择、交叉和交配。
- 交配池和现有种群结合在一起。得到的集被分类，而最好的N染色体使它进入新的群体。
- 转到步骤2，除非已经达到了最大的世代数。
- 解集是最新种群中排名最高的Pareto非支配集。
Stack Overflow用户
发布于 2012-06-10 11:27:15
我建议阅读关于这些算法的论文，这些文件很好地解释了这些功能：
- Deb，Pratab，Agarwal，Meyarivan一种快速精英的多目标遗传算法:NSGA-Ⅱ.6(2)，第182至197页，2002年。
- 齐茨勒，拉曼斯，蒂尔。SPEA2:改进强度Pareto进化算法。技术报告(TIK-103)，瑞士联邦技术研究所，2001年。
我相信你能在网上找到这些出版物的PDF。
关于稳态遗传算法和代际遗传算法之间的区别:在代际更替中，你创建了一个与旧种群相同大小的全新种群，只使用老种群中的基因，然后作为一个整体来替换它。在稳态替换中，您只创建一个新的个体，然后替换人口中的一个个体。稳定状态的天然气通常聚集得更快，但他们不太可能找到良好的局部最佳状态，因为他们不像使用代际替代时那样多地探索健身景观。当然，这取决于问题，有时你可以选择你想要取代的老一代中的多少，这允许你在这两者之间有一些任意的比例。
还有其他的多目标算法，如AbYSS和帕斯。
Stack Overflow用户
发布于 2021-01-22 07:55:29
一个简单的几何学例子，有很好的解释，可以在
https://www.youtube.com/watch?app=desktop&v=Yb82W2Bolqc&ab_channel=IITKharagpurJuly2018其他可以是
https://www.slideshare.net/AhmedGadFCIT/multiobjective-optimization-using-nondominated-sorting-genetic-algorithm-with-numerical-example-stepbystep页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/10938979
复制相关文章
相似问题
腾讯云开发者
