zdp1965 发表于 2006-6-22 20:41

[讨论]多目标优化的解法

我有一个疑问，请各位大虾不啬赐教：对于多目标优化问题，多目标规划法只是诸多解法中的其中一种，另外还有：多目标加权法、层次优化法、全局准则法、遗传算法等。<BR>   我的问题是：利用遗传算法求解多目标优化比利用多目标规划法的优势在哪？？？即为什么要用遗传算法？？？

风花雪月 发表于 2006-6-25 09:01

回复：（zdp1965）[讨论]多目标优化的解法

1 不必非常明确描述问题的全部特征，通用性和鲁棒性强，能很快适应问题和环境的变化；对领域知识依赖程度低，不受搜索空间限制性假设的约束，不必要求连续性、可导或单峰等。 <BR>2 从多点进行搜索，如同在搜索空间上覆盖的一张网，搜索的全局性强，不易陷入局部最优；具有隐并行性，非常适合于并行计算。

zdp1965 发表于 2006-6-25 10:00

感谢！

多谢风花雪月啦

zdp1965 发表于 2006-6-25 10:06

不过对于目标函数连续可导的多目标最优化问题，遗传算法的优势在哪呢？

liweidlut 发表于 2006-9-8 15:19

讨论多目标

如果目标函数具有不同量纲，且数量级相差很大，如何加权？请各位高手请教。

tz6091 发表于 2006-9-8 18:43

对于那些可导单峰的目标函数就没有用遗传算法的意义了。经典的优化方法就能求到最优解
遗传算法求Pareto最优解如果不采用加权变成单目标的话是不需要设定权值的.所以对于不同量纲问题是不受影响的.

风花雪月 发表于 2006-9-10 08:10

原帖由 zdp1965 于 2006-6-25 10:06 发表
不过对于目标函数连续可导的多目标最优化问题，遗传算法的优势在哪呢？


搜索过程不直接作用在变量上，而是在参数集进行了编码的个体。此编码操作，
使得遗传算法可直接对结构对象（集合、序列、矩阵、树、图、链和表）进行操作。

搜索过程是从一组解迭代到另一组解，采用同时处理群体中多个个体的方法，降
低了陷入局部最优解的可能性，并易于并行化。

采用概率的变迁规则来指导搜索方向，而不采用确定性搜索规则。
对搜索空间没有任何特殊要求（如连通性、凸性等），只利用适应性信息，不需要
导数等其它辅助信息，适应范围更广。

97421030 发表于 2006-11-30 10:53

meiyou

xiexie

zhutouzhg 发表于 2006-12-2 21:23

有启发

有启发。。。。。。。。。。。。。。。
页: [1]
查看完整版本: [讨论]多目标优化的解法