algorithm - 适应度函数域选择对多目标进化优化的影响

Question

我正在使用进化算法，例如NSGA-II 算法来解决具有多个目标的无约束优化问题。

由于我的适应度函数有时具有非常不同的域（例如f1(x)在[0..1]内生成适应度值，而f2(x)在[10000..10000000]内生成适应度值）我想知道这是否对搜索行为有影响所选择的算法。

适应度函数域的选择（例如，从[lb..ub]将所有域缩放到一个公共域）是否会影响解决方案的质量和找到好的解决方案的速度？或者这个问题没有普遍的答案？

不幸的是，我找不到有关此主题的任何内容。欢迎任何提示！

标签： algorithmoptimizationmathematical-optimizationevolutionary-algorithm

Answer 1

您的问题与算法中实施的选择策略有关。在原始 NSGA II 的情况下，选择是使用帕累托等级和拥挤距离的混合来进行的。虽然帕累托等级（即一个点的非支配前 id）没有改变以某个常数缩放数值，但拥挤距离确实如此。

所以答案是肯定的，如果你的第二个目标是 [10000 .. 10000000] 它对拥挤距离的贡献可能会吃掉另一个目标。

在 NSGA II 等算法中，单位计数！