【多目标优化】1. 多目标优化的相关基本概念
- 【多目標優(yōu)化】1. 多目標優(yōu)化的相關基本概念
- 【多目標優(yōu)化】2. 非支配排序遺傳算法 —（NSGA、NSGA-II)
- 【多目標優(yōu)化】3. 基于分解的多目標進化算法 —（MOEAD)
在學習多目標優(yōu)化的過程中，尤其涉及Pareto相關知識的一些概念的時候，公式與嚴謹邏輯的定義，在初學狀態(tài)下，很難準確的認識并理解這些概念，本文重點就是將學習的過程中，對這些概念的自己理解，用較通俗的語言整理出來。
1. Pareto 支配關系 (Pareto Dominance)
（1）支配：對于多個目標值，隨機自變量、，對于任意一個目標函數(shù)都存在，則支配。
（2）弱支配：對于多個目標值，隨機自變量、，對于目標函數(shù)有，且至少存在一個目標函數(shù)有，則弱支配。
（3）互不支配：對于多個目標值，隨機自變量、，使，同時，存在一個目標函數(shù)，則和互不支配。
2. Pareto解 (Pareto Solution)
Pareto解又稱非支配解或不受支配解（nondominated solutions）：在有多個目標時，由于存在目標之間的沖突和無法比較的現(xiàn)象，一個解在某個目標上是最好的，在其他的目標上可能是最差的。這些在改進任何目標函數(shù)的同時，必然會削弱至少一個其他目標函數(shù)的解稱為非支配解或Pareto解。
3.?Pareto最優(yōu)解 (Pareto Optimal Solution)
無法在改進任何目標函數(shù)的同時不削弱至少一個其他目標函數(shù)，這種解稱作非支配解(nondominated solutions)或Pareto最優(yōu)解(Pareto optimal solutions)。
可以理解為：這種狀態(tài)下，一旦使任何一個目標更優(yōu)的時候就會損壞其他目標的利益。即，不削弱其他目標是任何目標無法改進的狀態(tài)。
4.?Pareto 集 (Pareto Set)
一個多目標優(yōu)化問題，對于一組給定的最優(yōu)解集，如果這個集合中的解是相互非支配的，也即兩兩不是支配關系，那么則稱這個解集為Pareto Set 。
5. Pareto 前沿(Pareto Front)
Pareto Set 中每個解對應的目標值向量組成的集合稱之為Pareto Front, 簡稱為PF。
另外，有一些很不錯的博客文章，里面對于一些概念有較官方的解釋，推薦一下：
原 Pareto（帕雷托）理論
多目標進化算法(MOEA)概述
總結
以上是生活随笔為你收集整理的【多目标优化】1. 多目标优化的相关基本概念的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 上网痕迹查询助手Viewurl 2017
- 下一篇： AD19 报错记录 Un-Routed