8

我正在研究遗传算法。

有两个目标，每个都有自己的适应度值（fv1，fv2）。

我知道世代（SGE）和稳态（SS）遗传算法是如何工作的。

我试图了解 NSGA-2 和 SPEA-2（我正在使用 java 库 JCLEC 的实现）如何工作，特别是：

  • 什么是“外部人口”，应该如何衡量
  • SS 和 SGE 单目标算法有什么区别（部分原因是每个人只有一个适应度值）

如果有人使用 JCLEC 库，这些是我设置的参数：

  • 外部人口：1000
  • k值：10
  • 其他属性与 SS 和 SGE 相同（population-size:100 , crossover: MPX crossover etc..）
4

3 回答 3

25

这是对 NSGA-II 的解释

  1. 首先，它随机初始化种群。
  2. 基于帕累托非支配集对染色体进行排序并放入前沿。在 Pareto 前沿内，染色体根据解或 I-dist（NSGA-II 中使用的术语）之间的欧几里得进行排序。通常，在选择时，距离其他解决方案较远（不拥挤）的解决方案会被给予更高的优先级。这样做是为了生成一个多样化的解决方案 n 集合并避免拥挤的解决方案集合。
  3. 从当前种群中挑选出最好的 N（种群）染色体并放入交配池
  4. 在交配池中，完成比赛选择、交叉和交配。
  5. 结合了交配池和当前种群。结果集被排序，最好的 N 条染色体进入新的种群。
  6. 转到第 2 步，除非已达到最大代数。
  7. 解集是最新群体中排名最高的帕累托非支配集。
于 2012-06-16T15:44:45.540 回答
5

我建议阅读有关这些算法的论文，这些论文很好地解释了功能：

  • Deb、Pratab、Agarwal、Meyarivan。一种快速且精英的多目标遗传算法：NSGA-II。IEEE Transactions on Evolutionary Computation 6(2)，第 182-197 页，2002 年。
  • 齐茨勒、劳曼斯、蒂勒。SPEA2：改进强度帕累托进化算法。技术报告 (TIK-103)，瑞士联邦理工学院 (ETH)，2001 年。

我确信您能够在网络上找到这些出版物的 PDF。

关于稳态遗传算法和世代遗传算法之间的区别：在世代替换中，您只使用旧种群中的基因创建一个与旧种群相同大小的全新种群，然后将其作为一个整体替换。在稳态替换中，您只创建一个新个体，然后只替换种群中的一个个体。稳态 GAs 通常收敛得更快，但它们不太可能找到好的局部最优值，因为它们不像使用世代替换时那样探索适应度景观。这当然取决于问题，有时您可以选择要替换多少老年代，这允许您在这两者之间有一些任意比例。

还有更多的多目标算法，例如AbYSS和PAES。

于 2012-06-10T11:27:15.753 回答
1

一个简单的几何例子，有很好的解释，可以在

 https://www.youtube.com/watch?app=desktop&v=Yb82W2Bolqc&ab_channel=IITKharagpurJuly2018

其他可以

 https://www.slideshare.net/AhmedGadFCIT/multiobjective-optimization-using-nondominated-sorting-genetic-algorithm-with-numerical-example-stepbystep
于 2021-01-22T07:55:29.973 回答