IBEA-基于评价指标的多目标遗传算法

Indicator-BasedEvolutionaryAlgorithm(IBEA)

遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室Reference: E.ZitzlerandS.Kunzli.Indicator-BasedSelectionin Multi-objectiveSearch.InConferenceonParallel ProblemSolvingfromNature(PPSNVIII),volume 3242ofLNCS,pages832–842.Springer,2004.Reporter：王康IBEA-基于评价指标的多目标遗传算法

序言MOEA性能评价指标

MOEA性能评价是对算法优化结果的收敛性能，分布性能的定量描述。性能评价指标主要的作用有：

1.比较不同多目标进化算法的好坏

2.定义算法的结束条件

3.校正参数遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室决策者偏好 优化算法(优化机制)的目标是找到Pareto最优解的一组近似解。然而近似的标准往往是没有明确的定义的。对于不同的MOEA而言，其是否已经达到最优解，其标准往往是根据决策者的偏好而定的。IBEA-基于评价指标的多目标遗传算法

序言遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室该算法提出的动机(Motivation)因此：

决策者偏好的不同，导致对算法的评价角度不同。进而，不同的评价方法对算法评价的侧重点也有所不同。然而： 为了让算法按照决策者偏好的方向发展，就需要将决策者的偏好信息植入算法的搜索过程之中。显然： 根据分析，性能评价指标可以有效地反映决策者的偏好信息。如果将符合决策者偏好的性能指标植入MOEA运行机制中，就可得到令决策者满意的结果。 基于评价指标的遗传算法(IBEA)应运而生。IBEA-基于评价指标的多目标遗传算法遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室如何将性能评价指标有效的植入算法运行过程中？

SGA NSGA-IIIBEAIBEA-基于评价指标的多目标遗传算法遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室IBEA-基于评价指标的多目标遗传算法NSGA-II相比而言：IBEA采用Pareto支配关系对种群中个体进行快速排序根据性能评价模型，对个体进行fitness赋值根据排序结果，分层选择个体进入下一步操作。(rank与distance相结合)根据fitness赋值，按照其反映的指标优劣选择个体进入下一步操作。(每选择一个，其余个体重新计算fitness)这样做有什么好处？遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室根据决策者偏好的不同，选择适合决策者偏好的评价指标，可以引导算法向着决策者期望的方向发展；解集的收敛性、分布性、广泛性可以同时保持IBEA-基于评价指标的多目标遗传算法优点遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室基于IBEA结构的算法实例--遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室基于IBEA结构的算法实例--遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室基于IBEA结构的算法实例--遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室基于IBEA结构的算法实例--基于IBEA结构的算法实例--基于IBEA结构的算法实例--遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室基于IBEA结构的算法实例--遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室算法：基于IBEA结构的算法实例--遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室算法：基于IBEA结构的算法实例--遗传算法原理及应用--IBEA

copyright@湘潭大学信息工程学院工科楼N310实验室In