此卡片不在当前主题的阅读序列中,可返回主题继续阅读。
知识卡片
多目标搜索保留权衡解
多目标优化同时最小化 m 个通常相互冲突的目标:对决策向量 x 求 min F(x)=(f₁(x),…,f_m(x)),并满足不等式约束 gᵢ(x)≤0 与等式约束 hⱼ(x)=0。每个解对应一个目标向量,而不是一个分数。
示例(补充):两个目标都要小,解 A 为 (成本 3, 时间 5),解 B 为 (成本 5, 时间 3)。A 成本更好、B 时间更好,谁也不在两项上都胜过对方,两者都应作为不同取舍保留;若另有 C 为 (4, 6),它两项都不如 A,可以淘汰。
因此不能仅用某一个目标的最小值判定整体最好。遗传搜索需要比较候选解的目标向量,后续非支配排序和分解方法都是处理这种权衡的方式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 . 5 基 于 遗 传 算 法 的 社 区 检 测 · 查看原书依据
1.5 基于遗传算法的社区检测 1.5 基于遗传算法的社区检测 1.5.1 多目标遗传算法 多目标遗传算法是多目标优化问题,显然具有多个目标函数,且一般地,多个目标之间是相互冲突的。一个具有n个决策变量,m个目标函数的多目标优化问题的数学模型为: 其中,为n维的决策向量,X为n维的决策空间,y=(y,y,…,ym)为m维的目标向量,Y为m维的目标空间。
参考来源
- 位置:《智能算法导论》第 1 章 1.5.1 节“多目标遗传算法”(`EPUB/xhtml/chapter1_0013.xhtml`)。
- 结论依据:原文说明目标函数通常相互冲突,给出目标向量及决策、目标空间,并介绍两类多目标算法。A、B、C 三解的成本/时间对比为依据原书模型补充的教学示例,非书中数据。
- 原始内容:多目标遗传算法是多目标优化问题,显然具有多个目标函数,且一般地,多个目标之间是相互冲突的。一个具有 n 个决策变量, m 个目标函数的多目标优化问题的数学模型为