多目标优化算法知识点梳理

EA进化算法

MOEA多目标进化算法

1.MOEA的分类

1.1 按不同的进化机制分类

基于分解的MOEA：是比较早起所使用的方法：聚集函数法。将被优化的所有子目标组合或聚集为单个目标，从而将多目标优化问题转换为单目标优化问题。

基于支配关系的MOEA：基于pareto方法的思路是利用基于pareto适应度分配策略从当前进化群体中找出所有非支配个体。典型的算法：NSGA系列、SPEA系列、MOGA、NPGA、mGA等。

基于指标的MOEA：使用性能评价指标来引导搜索过程和对解的选择过程。

1.2 按不同的决策方式分类

前决策技术：是指在MOEA搜索之前就输入决策信息，通过MOEA运行产生一个解提供给决策者。其优点为简单、易于实现、效率高，缺点为限制了搜索空间、不能找出所有的可能解。

后决策技术：通过运行MOEA产生一组解一共决策者选择

交互决策技术：是决策与搜索或搜索与决策的交互过程，效率交底