Optimization 为什么NSGAII(用于多目标优化的alg)总是在算法的拥挤距离分配部分选择两个边界点?

Optimization 为什么NSGAII(用于多目标优化的alg)总是在算法的拥挤距离分配部分选择两个边界点?,optimization,selection,evolutionary-algorithm,Optimization,Selection,Evolutionary Algorithm,为什么NSGA II(多目标优化)总是在算法的拥挤距离分配部分选择两个边界点? 我知道在每次迭代中,它都会选择多目标函数值中最好的一个,但为什么它也会选择最差的一个呢? 对我来说,这种算法似乎试图尽可能地扩展帕累托前沿(或主动搜索的解空间) 伪代码第5页 293条引文,因此NSGA II是非常流行的多目标优化算法,因此我认为我的问题不太具体。您必须了解,根据帕累托前沿的定义,一个目标的最差值(在两个目标的情况下)会产生第二个目标的最佳值 此未确定解决方案列表根据第一个目标(最小化)排序 第一个

为什么NSGA II(多目标优化)总是在算法的拥挤距离分配部分选择两个边界点? 我知道在每次迭代中,它都会选择多目标函数值中最好的一个,但为什么它也会选择最差的一个呢? 对我来说,这种算法似乎试图尽可能地扩展帕累托前沿(或主动搜索的解空间)

伪代码第5页


293条引文,因此NSGA II是非常流行的多目标优化算法,因此我认为我的问题不太具体。

您必须了解,根据帕累托前沿的定义,一个目标的最差值(在两个目标的情况下)会产生第二个目标的最佳值

此未确定解决方案列表根据第一个目标(最小化)排序

第一个值在第一个目标上是最好的,但在第二个目标上是最差的,但它仍然是不确定的。保留此解决方案可能有助于在当前帕累托前沿之外的解决方案的演化过程中取得进展。问题的真正帕累托前沿是未知的,可能会进一步扩展到目前为止发现的极值之外

此外,实践者可能希望从最终解决方案中选择一组未确定的解决方案,并可能决定他不能在一个目标上达成妥协。因此,根据他的决策标准,极端解决方案是他能采取的最佳方案

这三个(以及更多)客观情况虽然不那么明显,但仍然是真实的

(0, 5), (1, 4), (2, 3), (3, 2), (4, 1), (5, 0)