遗传算法中的多目标优化

Question

我是元启发式优化的新手。我正试图用遗传算法来解决一个问题。

我有4项产出：

1. over-population
2. under-population
3. over-time
4. under-time

我的目标是使所有的值都达到0(最小化问题)。我的健身功能是所有的总和。

function fitness(){
 return over-population + under-population + over-time + under-time
}

但这并不好，因为一个目标与另一个目标不同。因此，我想把一个目标(如人口)按比例扩展到另一个目标。

但我在申请方面遇到了问题。我没有得到这方面的起点。

你能告诉我从哪里开始吗？

Answer 1

理想情况下，您应该使用多个适应度函数的实际多目标优化算法，而不是您发布的单个标度函数。我建议你看看NSGA-II，这是一种广泛使用的进化多目标优化算法。

如果你真的坚持用一个单一的目标优化算法和一个标度的方法，你必须想出某种权重。我不认为有一个普遍适用的方法。

如果每个目标都有最大错误，您可以使用它来规范每个目标，因此它们都具有相同的权重，但即使这样也可能与您想要的不匹配，因为可能存在不同的分布值。您还可以通过尝试和错误来分配权重并对其进行调整。

另外，如果人口过多和人口不足是互补的(你不能同时拥有这两者)，不管你的优化方法如何，你都应该对人口使用一个单一的错误，这将是理想和实际(超过或低于)人口规模之间的绝对差异。如果适用的话，超期和超期也是如此.