遗传算法and多目标遗传算法研讨.pptx

多目标遗传算法 BY :***** 大连海事大学交通运输管理学院 CONTENTS CONTENTS 1基本概念 23 遗传算法 NSGA- Ⅱ单目标和多目标单目标优化问题唯一最优目标值多目标优化问题若两个解, ? Which is better ? 以最小化问题为例,对于两个任意决策变量(可行解集合): (l)当且仅当时,称 A占优于 B (2) 当且仅当且时,称 A弱占优于 B() (3) 当且仅当 A不占优于 B,且 B不占优于 A时,称 A与B非支配。此处是在有多个目标函数的情况下对两个解进行比较的,即如果 Pareto 占优,则该决策向量的所有目标函数值均应小于另一决策向量对应的各目标函数值。? F Pareto 占优 Pareto 最优解对于多目标优化问题,通常存在一个解集,这些解之间就全体目标函数而言是无法比较优劣的,其特点是: 无法在改进任何目标函数的同时不削弱至少一个其他目标函数。这种解称作非支配解或 Pareto 最优解. Pareto 最优前沿 Pareto 最优解的集合称为 Pareto 最优前沿遗传算法 2问题: 2 min ( ) [0, 63] g x x x ?? ? 1、产生初始种群 8 2、计算适应度 2 ( ) ( ) [0, 63] f x g x x x ?? ?? x ( ) f x 选择: 具有随机性和进化性。进化性:选择适应度高的个体进入下一代。随机性: 按照概率选择适应度高的进入下一代。 10 交叉单点交叉 c rand p ? c rand p ?