1. 多目标相关的概念

In a single-objective optimization problem, the task is tp find one solution (Except in some specific multi-model (除了多峰函数) which optimizes the sole function(唯一的函数)。

Multi-objective seems to find an optimal solution corresponding to each objective function 
单目标始终是唯一的一个目标函数获得唯一的或者是几个解。

多目标是多个目标函数。

总感觉:  差不多dou都是在各个函数围城的边界曲线上进行获得一定的解,然后从而找到相应一个好的解。不同的是智能算法在进行初始化的时候,对于单目标它一直在迭代在尝试,不确定哪一个是最好的。 而对与多个目标它首先分成了折衷解和非折衷的,而我们就是要在折衷方案中进行挑选。--------不清楚这样理解对不对,

名词:infeasible solution(不可行解)   feasibel solution(可行解)

阐释多目标和单目标中的决策空间以及目标空间

(1)one of the striking differences between single-objective and muylti-objective optimization is that in multi-objective optimization the objective functions. constitute a multi-dimensional space , inaddtion to the usual decision variable space.

目标函数构成多维空间,与通常的决策变量空间相结合。

(2) This additonal space is called "Objective space Z表示". 也就是:f(x)=z={z1,z2,z3,z4,..,zm}T.

(3) the mapping takes place between an n-demensional solution vector and an m-demensional objective vector.

自己理解:

单目标优化的是一个目标值比如适应值函数--通过一个函数获得一个值,这个值作为对比的大小,然后通过这个值的大小,映射那个x的向量位置是最好的。

多目标优化的是一个目标向量,它相当于多个单目标的适应值函数组成的一个向量。而我们优化对比的就是这个向量。这个,怎么对比向量的值??

2. linear and Nonlinear MOOP(线性和非线性)

(1) If all objective functions and constraint function are linear ,----------------multi-objective linear program (MOLP)

(2)     Conversely, noliear multi-objective problem。------- in nature noliear is common

3. Convex and nonconvex MOOP(凸和非凸)

黑塞矩阵_百度百科
https://baike.baidu.com/item/%E9%BB%91%E5%A1%9E%E7%9F%A9%E9%98%B5/2248782?fr=aladdin

作者举例子说明坐飞机等等(好尴尬,我都是硬座)。 也就类似于长距离通行乘坐火车。 便宜的中途会有很多停靠点,时间花费少的又需要很多钱。 ------这就是一个现实的多目标问题。

4.例子: 

在长途进行中通常hui会有挺多的线路的,你是怎么取舍权衡?? 首先我们会根据自己设定的旅途经费以及lü'x旅行的时间以及自己的身体状况等 ,通过这一系列的约束我们化小了权衡的线路,然后再从中挑选出来一份最好的。

我们现在会借助各种火车票的软件,提供了很多可供选择的方案。 我觉得:(1)通过路径规划做到的,给出了可以行驶的各个点,作为决策空间的一员。(2)根据用户主要需求关注点,比如说价钱,时间作为两个目标,分别建立目标函数。(3)将决策空间的点带入目标函数,完成决策变量向目标空间的映射。(4)展示给用户。用户根据自己的偏好做出决策。

其实相对而言这个并没有完成优化,多目标的优化应该是通过各个映射到目标空间,然后自动的给出一个解向量。总觉得这个例子有一点不好,并没有完全弄明白整个机制。(不对,还请纠正)

5.pareto-optimal solution

若是我们再划分组的时候: 将DE或分成了一个分组,在这个小分组中DE不存在支配关系,但是试图加入最终分组ABC时,发现存在支配关系。

问题: 当我们划分分组去确立是否为支配关系的时候,划分组若是类似DE这样的就会浪费很多的时间,多出来很多次的运算。

最终非支配集用P1表示,其具体的满足条件

the goal of multi-objective optimization

 6. 多目标和多目标的不同

(1 ) 单目标的优化就是找到一个最好的解(多峰函数找局部最优和去那句最优)。通过使用精英策略,出现比之前的解好的就进行替代记录。  多目标s第一要找到pa'reto front,第二尽量满足多样性

(2)多目标有两个搜索空间。 单目标通过一个目标函数ji就可以判断这个解时接收还是替换等。 而对于多目标决策空间和目标空间通过多个函数进行映射,对于多个函数的映射没有办法保证在目标空间时否如决策空间多样性强。

(3)no artifical fix-ups

阅读Book: MultiObjective using Evolutionary Algorithms (2) -- Multi-Objective Optimization: 各种解释多目标相关推荐

  1. 阅读Book: MultiObjective using Evolutionary Algorithms (5) ---- Non-Dominated Sorting of a Population

    种群非支配等级排序. Why??不是说就为了找到非支配集合吗? 这个不是多目标中优化中追求的一个goal? 解释: Most evolutionary multi-objective optimiza ...

  2. 阅读Book:MultiObjective using Evolutionary Algorithms(7)---Weighted Sum Methods ε-Constraint Methods

    (1) Classical multi-objective optimization methods have been around for at least four decades. (2)   ...

  3. 阅读Book: MultiObjective using Evolutionary Algorithms (1) --prologue 单目标和多目标的不同

    1. 日常购买车we为例子, 假设用户在舒适度和花费进行权衡. 各种pin'品牌的车的花费与舒适度的曲线如下:. 自己觉得: 或许在我们的shen生活中就是不存在最完美的,就是一种鞋子要穿到自己的脚上 ...

  4. 阅读Book: MultiObjective using Evolutionary Algorithms (6) ---- 满足Pareto-optimality的条件证明,第二章完结

    (1) 满足Pareto-Optimality的必要条件 (2) 充分条件: 个人总结: 前两个 章节过去了.不知道自己学到了多少. (1) 为什么研究多目标:  因为多目标偶在 现实生活中会出现的很 ...

  5. 阅读Book: MultiObjective using Evolutionary Algorithms (4) --- 3 种方法find Non-dominated set

    上一节设计各种关于pareto的定义. 通过那些我们知道对于多目标我们第一步找的是Pareto-optimal set. 而Pareto-optimal set是non-domiated set的一个 ...

  6. 阅读Book: MultiObjective using Evolutionary Algorithms (3) -----关于pareto最优的各种概念

    1. 在多目标优化算法中特殊的解 (1)Ideal Objective Vector An objective vector constructed with these idividual opti ...

  7. MultiObjective using Evolutionary Algorithms (2) -- Multi-Objective Optimization

    参考 1. 多目标相关的概念 查看全文 http://www.taodudu.cc/news/show-262161.html 相关文章: 吴恩达机器学习笔记55-异常检测算法的特征选择(Choosi ...

  8. 带约束进化算法问题分析Constrained Evolutionary Algorithms

    经典论文<Evolutionary Algorithms for Constrained Parameter Optimization Problems>对带约束的进化算法进行了综述,本文 ...

  9. 2018/8/24阅读文献 A Unified Model for Multi-Objective Evolutionary Algorithms with Elitism

    信息:  2000年    苏黎世联邦理工学院 题目: A Unified Model for Multi-Objective Evolutionary Algorithms with Elitism ...

最新文章

  1. JavaScript深入之变量对象
  2. 09机器学习实战之多元线性回归
  3. [PHP] - 性能加速 - 开启opcache
  4. mysql用户管理+pymysql模块
  5. 关于火狐3,怎么会这样??
  6. findbugs 接口文档_Java代码审查工具findbugs的使用总结
  7. 加密托管服务商Unchained Capital完成550万美元融资,NYDIG领投
  8. 扫描软件(to be followed)
  9. 随手记_ubuntu下配置vscode+cmake c++开发环境
  10. 高逼格!程序猿的表白也可以这么浪漫
  11. three.js 中的矩阵变换及两种旋转表达方式
  12. php爬虫post,PHPspider爬虫10分钟快速教程
  13. 计算机硬件选购与市场调查实验报告,计算机组装与维护实训报告范例-20210527010902.docx-原创力文档...
  14. [poj3580]SuperMemo(splay终结题)
  15. 10款安卓手机必备APP,能让你的手机更好用!
  16. matlab简易画爱心
  17. 【C++笔记】 判断两个数互质(做大公约数为1)
  18. 21秋期末考试市场调查与预测10243k2
  19. 当当李国庆谈“刘强东案”:虽煞风景,但划得来
  20. php ecos,商派已经推出了新的电子商务框架ecos,功能相当强大的.

热门文章

  1. 关于PreferenceActivity的使用和一些问题的解决(自己定义Title和取值)
  2. [leetcode]Surrounded Regions @ Python
  3. Centos系统上安装php遇到的错误解决方法集锦
  4. ORA-4031错误深入解析
  5. Scott的ASP.net MVC框架系列文章之四:处理表单数据(2)
  6. 十六进制190的2进制数_十六进制数系统解释
  7. 微信公众号开发本地环境开发_如何在5分钟内使HTTPS在本地开发环境上工作
  8. 途游斗地主加密协议分析及破解
  9. java timer cron_Java之旅--定时任务(Timer、Quartz、Spring、LinuxCron)
  10. 偷看日历?9款 APP 涉嫌过度获取权限