多目標優化系列:
MOP_2. 非支配排序遺傳算法 —(NSGA、NSGA-II)
在學習多目標優化的過程中,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,在初學狀態下,很難準確的認識並理解這些概念,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 支配關係 (Pareto Dominance)
(1)支配:對於多個目標值,隨機自變量、,對於任意一個目標函數都存在,則支配。
(2)弱支配:對於多個目標值,隨機自變量、,對於目標函數有,且至少存在一個目標函數有,則弱支配。
(3)互不支配:對於多個目標值,隨機自變量、,使,同時,存在一個目標函數,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,由於存在目標之間的衝突和無法比較的現象,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的同時,必然會削弱至少一個其他目標函數的解稱爲非支配解或Pareto解。
3. Pareto最優解 (Pareto Optimal Solution)
無法在改進任何目標函數的同時不削弱至少一個其他目標函數,這種解稱作非支配解(nondominated solutions)或Pareto最優解(Pareto optimal solutions)。
可以理解爲:這種狀態下,一旦使任何一個目標更優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。
4. Pareto 集 (Pareto Set)
一個多目標優化問題,對於一組給定的最優解集,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係,那麼則稱這個解集爲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爲Pareto Front, 簡稱爲PF。
另外,有一些很不錯的博客文章,裏面對於一些概念有較官方的解釋,推薦一下: