說明

本文旨在對NSGA2和遺傳算法GA的內容進行對比分析來加深對NSGA2算法的了解，里面的內容可能有部分錯誤，沒有具體的代碼只有一些分析來理解NSGA2的算法過程

初始種群的對比

相同點

都需要種群數量NP，維度D以及變量的取值范圍即Xmax和Xmin

不同點

NSGA2是解決多目標的算法，GA是單目標的算法

NSGA2的種群f的維度不僅僅包括了變量X，還有目標函數的值以及目標函數的評價（支配關系和擁擠度），GA的種群只有變量X

對種群個體的評價的對比

相同點

都是計算目標函數的值來評價種群個體的優劣

不同點

NSGA2計算得到的目標函數值儲存在種群f中，GA算法計算得到的目標函數值一般儲存在適應度fitness中

NSGA2對種群個體的支配關系以及擁擠度進行比較來評價個體，GA是直接比較適應度來評價個體

交叉和變異操作的的對比

相同點

都采用了交叉和變異操作

不同點

NSGA2種群個體中交叉和變異有且僅有一個發生，GA種群個體交叉和變異都可以發生也可以都不發生

NSGA2在一個個體交叉和變異后會直接計算目標函數值，GA則是在種群完成后再計算或者合并后計算

選擇操作的對比

相同點

都是選擇優秀個體進行下一代的操作

不同點

選擇方法不同： NSGA2大多使用競標賽，GA大多使用輪盤賭或者擇優隨機選擇

輸出圖像的對比

相同點

沒有相同點

不同點

NSGA2輸出的是最后一代種群的多個目標函數值的關系，GA則是適應度迭代圖

總結

NSGA2是通過對多個目標函數值進行比較來得到一系列最優的解，GA則是得到準確的一個最優的解.

總結

以上是生活随笔為你收集整理的NSGA2学习（1）——与遗传算法的比较的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。