兩種羣決策變量高斯分佈的KL散度和WD距離
覺得有用的話,歡迎一起討論相互學習~
以下來自文章：
Multisource Selective Transfer Framework in Multiobjective Optimization Problems, TEVC,2020
- 假設一個種羣決策變量有n個維度，並且這n個維度之間沒有關聯，則可以用多元高斯分佈去擬合這個分佈，這是EDA即基於分佈的演化算法中常用的策略，具體而言
![]()
- 對於兩個問題s和t的決策變量而言，可以用
Wasserstein distance計算其距離：
![]()
- 而對於兩者的相似度則可以使用以下公式進行衡量：
![]()
- 當然也可以使用
Kullback–Leibler divergence來衡量兩個分佈的距離–但是一定注意這裏是將其作爲兩個一維高斯分佈進行計算的，如果是高維高斯分佈計算式具體參見：https://blog.csdn.net/HEGSNS/article/details/104857277
![]()
Wasserstein distance
可以參考的文獻
https://www.jianshu.com/p/b03d5433229e
https://www.cnblogs.com/denny402/p/7054950.html
https://blog.csdn.net/zhangping1987/article/details/25368183
https://zhuanlan.zhihu.com/p/58506295?utm_source=ZHShareTargetIDMore
KL散度(Kullback–Leibler divergence)
https://www.cnblogs.com/huangshiyu13/p/6898212.html