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选择具有多目标函数值之一的最佳值的解决方案，但为什么它也选择具有最差值的解决方案？对我来说，这种算法似乎试图尽可能地扩展帕累托前沿（或积极搜索的解决方案空间）。
http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.18.4257
伪代码第 5 页
293 次引用，所以 NSGA II 是非常流行的多目标优化算法，所以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）会在第二个目标中产生最佳值。
此未支配解决方案列表根据第一个目标（最小化）排序
(0, 5), (1, 4), (2, 3), (3, 2), (4, 1), (5, 0)
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，但它仍然没有被支配。保留此解决方案可能有助于在当前 Pareto 前沿之外的解决方案的演进中取得进展。问题的真正帕累托前沿是未知的，可能会进一步超出目前发现的极值。
此外，从业者可能希望从他的最终解决方案中选择一组不受约束的解决方案，并可能决定他不能在一个目标上妥协。因此，根据他的决策标准，极端解决方案是他可以采取的最佳方案。
三个（以及更多）客观案例不太明显，但仍然是真实的。