知识卡片
非占优解构成Pareto前沿
多目标问题同时最小化 k 个目标(k ≥ 2),通常不存在在所有目标上都最好的单一解,因此需要“占优”来比较解:
- 占优:x1 在每个目标上都不比 x2 差,并且至少在一个目标上更好,就说 x1 占优 x2。
- Pareto 最优解(非占优解):找不到任何其他解占优它。
- Pareto 最优解集:所有 Pareto 最优解的集合。
- Pareto 最优前沿:把这些解的目标函数值画到目标空间里形成的区域。
示例(补充演示,两个目标都越小越好):A = (成本 3, 时间 5),B = (4, 4),C = (5, 6)。A 占优 C(两项都更小);A 与 B 互不占优,A 便宜、B 快。所以 A、B 是非占优解,C 被淘汰。
前沿保留的是目标之间的取舍候选,最终选哪个仍要结合决策者的偏好。
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
- 5 . 4 基 于 蚁 群 算 法 的 社 区 检 测 · 查看原书依据
定义5-4(Pareto最优前沿) 把非占优解映射到目标空间得到的目标函数值形成的区域称为Pareto最优前沿(Pareto Optimal Front,POF)。 对于一个网络G=(V,E),其中V表示节点的集合,E表示节点之间连接的边的集合。
参考来源
- 位置:《智能算法导论》第 5 章“5.4 基于蚁群算法的社区检测”(源文件:`_epub-src/EPUB/xhtml/chapter5_0008.xhtml`)。
- 结论依据:原文定义Pareto最优解集由所有Pareto解组成,并将非占优解在目标空间的映射定义为Pareto最优前沿,因此支持本卡对候选集作用的概括。占优定义据定义 5-1 及其公式 SVG(各目标不劣于)整理;A、B、C 三解为补充教学示例,非书中数据。
- 原始内容:所有的Pareto解构成Pareto最优解集合。 定 义 5 - 4 ( P a r e t o 最 优 前 沿 ) 把非占优解映射到目标空间得到的目标函数值形成的区域称为Pareto最优前沿(Pareto Optimal Front,POF)。