知识卡片

结构图卡 · 3756.e

RM-MEDA沿簇曲线外扩采样

理解等级:高级

受约束多目标搜索要寻找满足约束的非支配解,使其接近并均匀分布于可行 Pareto 前沿。非支配解指没有其他可行解在所有目标上都不比它差、且至少一项更好。

RM-MEDA 先把解分成若干簇,为每簇拟合主曲线或主曲面,即穿过该簇解中部、刻画其整体形状的曲线(面);再把主曲线(面)的每一维延长 25%,在延长后的范围内随机采样新解。示例(补充演示):某簇主曲线在某一维上覆盖长度 4,延长 25% 后为 5,采样范围随之变宽;延长量如何分配到两端,原书未说明。扩展采样范围是原书提出的搜索思路;书中称其更易找到有效解,但未给统一对照数据,因此不当作已证实的普遍优势。 Pareto 前沿概念复用[[非占优解构成Pareto前沿]]。

结构图:

flowchart TD
  A[候选解群体] --> B[按规则模型聚类]
  B --> C[拟合各簇主曲线或曲面]
  C --> D[各维度外扩25%]
  D --> E[随机采样]
  E --> F[生成更广范围内的候选解]
  G[多目标约束] --> H[可行非支配解集]
  H --> I[接近且均匀覆盖可行Pareto前沿]
这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 9 . 3 . 2 多 分 布 估 计 算 法 · 查看原书依据

      在RM-MEDA建模过程中,每一分类簇的主曲线(面)的每一维上都被延长了25%,然后对其进行随机采样,生成新解。因此,与其他的EDA相比,RM-MEDA的有效搜索范围更大,更加容易搜索到有效解。

    参考来源

    - 位置:《智能算法导论》第 9 章《9.3.2 多分布估计算法》(源文件:`_epub-src/EPUB/xhtml/chapter9_0006.xhtml`) - 结论依据:本节说明 RM-MEDA 按分类簇拟合主曲线/曲面、逐维外扩 25% 并随机采样;受约束多目标问题的目标是得到可行、非支配且覆盖均匀的前沿候选。搜索优势为原书报告,缺统一比较证据。长度 4 延长为 5 的数值为依据“延长 25%”补充的教学示例,非书中数据。 - 原始内容:在RM-MEDA建模过程中,每一分类簇的主曲线(面)的每一维上都被延长了25%,然后对其进行随机采样,生成新解。