精华内容
下载资源
问答
  • 多目标优化

    万次阅读 多人点赞 2018-09-14 11:40:57
    最优化问题的分类 1)无约束和有约束条件;...使多个目标在给定区域同时尽可能最佳,多目标优化的解通常是一组均衡解(即一组由众多 Pareto最优解组成的最优解集合 ,集合中的各个元素称为 Pareto最优解或非劣最...

    最优化问题的分类
    1)无约束和有约束条件;
    2)确定性和随机性最优问题(变量是否确定);
    3)线性优化与非线性优化(目标函数和约束条件是否线性);
    4)静态规划和动态规划(解是否随时间变化)。


    1. 什么是多目标优化?

    使多个目标在给定区域同时尽可能最佳,多目标优化的解通常是一组均衡解(即一组由众多 Pareto最优解组成的最优解集合 ,集合中的各个元素称为 Pareto最优解或非劣最优解)。

    非劣解——多目标优化问题并不存在一个最优解,所有可能的解都称为非劣解,也称为Pareto解。
    Pareto最优解——无法在改进任何目标函数的同时不削弱至少一个其他目标函数。这种解称作非支配解或Pareto最优解。

    • 多目标优化问题的描述

    这里写图片描述

    • Pareto支配关系:

    这里写图片描述


    2. 如何实现多目标优化?有哪些方法?

    多目标优化问题不存在唯一的全局最优解 ,过多的非劣解是无法直接应用的 ,所以在求解时就是要寻找一个最终解

    (1)求最终解主要有三类方法:

    一是求非劣解的生成法,即先求出大量的非劣解,构成非劣解的一个子集,然后按照决策者的意图找出最终解;(生成法主要有加权法﹑约束法﹑加权法和约束法结合的混合法以及多目标遗传算法

    二为交互法,不先求出很多的非劣解,而是通过分析者与决策者对话的方式,逐步求出最终解;

    三是事先要求决策者提供目标之间的相对重要程度,算法以此为依据,将多目标问题转化为单目标问题进行求解

    (2)多目标优化算法归结起来有传统优化算法和智能优化算法两大类。

    传统优化算法包括加权法、约束法和线性规划法等,实质上就是将多目标函数转化为单目标函数,通过采用单目标优化的方法达到对多目标函数的求解。

    线性加权求和法——对多目标优化问题中的N个目标按其重要程度赋以适当的权系数,其乘积和作新的目标函数,再求最优解。

    智能优化算法包括进化算法(Evolutionary Algorithm, 简称EA)、粒子群算法(Particle Swarm Optimization, PSO)等。

    两者的区别——传统优化技术一般每次能得到Pareo解集中的一个,而用智能算法来求解,可以得到更多的Pareto解,这些解构成了一个最优解集,称为Pareto最优解(任一个目标函数值的提高都必须以牺牲其他目标函数值为代价的解集)。


    3. 多目标进化算法 (MOEA )

    ①MOEA通过对种群 X ( t)执行选择、交叉和变异等操作产生下一代种群 X ( t + 1) ;
    ②在每一代进化过程中 ,首先将种群 X ( t)中的所有非劣解个体都复制到外部集 A ( t)中;
    ③然后运用小生境截断算子剔除A ( t)中的劣解和一些距离较近的非劣解个体 ,以得到个体分布更为均匀的下一代外部集 A ( t + 1) ;
    ④并且按照概率 pe从 A ( t + 1)中选择一定数量的优秀个体进入下代种群;
    ⑤在进化结束时 ,将外部集中的非劣解个体作为最优解输出。

    3.1 NSGA(非支配排序遗传算法)


    这里写图片描述

    小生境技术——将每一代个体划分为若干类,每个类中选出若干适应度较大的个体作为一个类的优秀代表组成一个群,再在种群中,以及不同种群中之间,杂交,变异产生新一代个体群。同时采用预选择机制和排挤机制或分享机制完成任务。
    基于共享机制的小生境实现方法——通过反映个体之间的相似程度的共享函数来调节群体中各个个体的适应度,从而在这以后的群体进化过程中,算法能够依据这个调整后的新适应度来进行选择运算,以维持群体的多样性,创造出小生境的进化环境。
    共享函数——表示群体中两个个体之间密切关系程度的一个函数

    共享度是某个个体在群体中共享程度的一中度量,它定义为该个体与群体内其它各个个体之间的共享函数值之和,用S 表示:
    S = (i=1,… ,M)
    在计算出了群体中各个个体的共享度之后,依据下式来调整各个个体的适应度
    F(X) =F(X) / S (i=1,… ,M)

    小生境算法的描述如下:
    (1)设置进化代数计数器;随机生成M个初始群体P(t),并求出各个个体的适应度F (i=1,2,M)。
    (2)依据各个个体的适应度对其进行降序排列,记忆前N个个体(N小于M)。
    (3)选择算法。对群体P(t)进行比例选择运算,得到P (t)。
    (4)交叉选择。对选择的个体集合P (t) 作单点交叉运算,得到P (t)。
    (5)变异运算。对P (t)作均匀变异运算,得到P (t)。
    (6)小生境淘汰运算。将第(5)步得到的M个个体和第(2)步所记忆的N个个体合并在一起,得到一个含有M+N 个个体的新群体;对着M+N个个体,按照下式得到两个个体x 和x 之间的海明距离:|| x - x ||= d,当|| x - x ||小于L时,比较个体x 和个体x 的适应度大小,并对其中适应度较低的个体处以罚函数: Fmin(x,x )=Penalty。
    (7)依据这M+N个个体的新适应度对各个个体进行降序排列,记忆前N个个体。
    (8)终止条件判断。若不满足终止条件,则:更新进化代数记忆器t = t+1, 并将第(7)步排列中的前M个个体作为新的下一代群体P(t),然后转到第(3)步:若满足终止条件,则:输出计算结果,算法结束。

    NSGA使用了非支配分层方法和适应度共享策略。非支配分层方法可以使好的个体有更大的机会遗传到下一代;适应度共享策略则使得准Pareto面上的个体均匀分布,保持了群体多样性,克服了超级个体的过度繁殖,防止了早熟收敛。

    NSGA与简单的遗传算法的主要区别在于:该算法在选择算子执行之前根据个体之间的支配关系进行了分层。其选择算子、交叉算子和变异算子与简单遗传算法没有区别。

    3.2 NSGAII(带精英策略的非支配排序的遗传算法)


    这里写图片描述

    NSGA一II算法的基本思想:
    (1)首先,随机产生规模为N的初始种群,非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群;
    (2)其次,从第二代开始,将父代种群与子代种群合并,进行快速非支配排序,同时对每个非支配层中的个体进行拥挤度计算,根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群;
    (3)最后,通过遗传算法的基本操作产生新的子代种群:依此类推,直到满足程序结束的条件。

    非支配排序算法
    考虑一个目标函数个数为K(K>1)、规模大小为N的种群,通过非支配排序算法可以对该种群进行分层,具体的步骤如下:
    这里写图片描述

    通过上述步骤得到的非支配个体集是种群的第一级非支配层;

    然后,忽略这些标记的非支配个体,再遵循步骤(1)一(4),就会得到第二级非支配层;

    依此类推,直到整个种群被分类。

    快速非支配排序算法:
    这里写图片描述

    拥挤度——指种群中给定个体的周围个体的密度,直观上可表示为个体。

    拥挤度比较算子:
    这里写图片描述

    3.3 多目标粒子群算法( PSO )


    设想这么一个场景:一群鸟进行觅食,而远处有一片玉米地,所有的鸟都不知道玉米地到底在哪里,但是它们知道自己当前的位置距离玉米地有多远。那么找到玉米地的最佳策略,也是最简单有效的策略就是是搜寻目前距离玉米地最近的鸟群的周围区域。

    基本粒子群算法:
    粒子群由 n个粒子组成 ,每个粒子的位置 xi 代表优化问题在 D维搜索空间中潜在的解;
    粒子在搜索空间中以一定的速度飞行 , 这个速度根据它本身的飞行经验和同伴的飞行经验来动态调整下一步飞行方向和距离;
    所有的粒子都有一个被目标函数决定的适应值(可以将其理解为距离“玉米地”的距离) , 并且知道自己到目前为止发现的最好位置 (个体极值 pi )和当前的位置 ( xi ) 。

    粒子群算法的数学描述 :
    每个粒子 i包含为一个 D维的位置向量 xi = ( xi1, xi2, …, xiD )和速度向量 vi = ( vi1, vi2,…, viD ) ,粒子 i搜索解空间时 ,保存其搜索到的最优经历位置pi = ( pi1, pi2, …, piD ) 。在每次迭代开始时 ,粒子根据自身惯性和经验及群体最优经历位置 pg = ( pg1, pg2, …, pgD )来调整自己的速度向量以调整自身位置。

    粒子群算法基本思想:
    (1)初始化种群后 ,种群的大小记为 N。基于适应度支配的思想 ,将种群划分成两个子群 ,一个称为非支配子集 A,另一个称为支配子集 B ,两个子集的基数分别为 n1、n2 。
    (2)外部精英集用来存放每代产生的非劣解子集 A,每次迭代过程只对 B 中的粒子进行速度和位置的更新 ;
    (3)并对更新后的 B 中的粒子基于适应度支配思想与 A中的粒子进行比较 ,若 xi ∈B , ϖ xj ∈A,使得 xi 支配 xj,则删除 xj,使 xi 加入 A 更新外部精英集 ;且精英集的规模要利用一些技术维持在一个上限范围内 ,如密度评估技术、分散度技术等。
    (4)最后 ,算法终止的准则可以是最大迭代次数 Tmax、计算精度ε或最优解的最大凝滞步数 Δt等。


    展开全文
  • 多目标线性规划求解方法及matlab实现

    万次阅读 多人点赞 2018-01-21 14:51:02
    求解多目标线性规划的基本思想是将多目标转化为单目标,常见的方法有理想点法、线性加权法、最大最小法、目标规划法、模糊数学解法等。这里就这几种方法进行举例说明,并用matlab实现。 一、多目标线性规划模型 ...

    求解多目标线性规划的基本思想是将多目标转化为单目标,常见的方法有理想点法线性加权法最大最小法目标规划法模糊数学解法等。这里就这几种方法进行举例说明,并用matlab实现。

     

    一、多目标线性规划模型

    多目标线性规划模型是有两个或两个以上的目标函数,且所有的目标函数和约束条件都是线性的,数学模型表示为:

     

    我们记

     

    则上述目标规划可简化为:

    展开全文
  • 文章目录首先介绍跟踪:...目标跟踪又分为单目标跟踪和多目标跟踪 单目标跟踪在视频的初始帧画面上框出单个目标,预测后续帧中该目标的大小与位置。典型算法有 Mean shift(用卡尔曼滤波、粒子滤波进行状态预测)、T
    展开全文
  • 多目标优化算法——多目标粒子群算法实战分享

    万次阅读 多人点赞 2019-03-09 12:34:24
    运筹学优化领域,多目标优化算法,多目标自适应粒子群优化算法;并简要介绍了开源多目标优化算法框架jMetal。 基本的粒子群优化算法可参照博主的一篇文章粒子群算法实战分享-附原版动画PPT(技术分享也可以文艺范...

    版权声明:本文为博主原创文章,未经博主允许不得转载。

    运筹学优化领域,多目标优化算法,多目标自适应粒子群优化算法;并简要介绍了开源多目标优化算法框架jMetal。
    基本的粒子群优化算法可参照博主的一篇文章粒子群算法实战分享-附原版动画PPT(技术分享也可以文艺范?)

    PPT下载地址:《多目标粒子群算法分享 - CSDN博主dkjkls》

    参考文献:
    杨俊杰. 基于MOPSO和集对分析决策方法的流域梯级联合优化调度[D]. 华中科技大学, 2007.

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述


    --------------------------文档信息--------------------------
    版权声明:本文为博主原创文章,未经博主允许不得转载
    署名(BY) :dkjkls(dkj卡洛斯)
    文章出处:http://blog.csdn.net/dkjkls

    展开全文
  • 多目标进化算法(MOEA)概述

    万次阅读 多人点赞 2017-06-06 16:54:59
    多目标进化算法系列 1. 多目标进化算法(MOEA)概述 2. 多目标优化-测试问题及其Pareto前沿 3. 多目标进化算法详述-MOEA/D与NSGA2优劣比较 4. 多目标进化算法-约束问题的处理方法 对于大多数多目标...
  • 摘要:本文详细介绍如何利用深度学习中的YOLO及SORT算法实现车辆、行人等多目标的实时检测和跟踪,并利用PyQt5设计了清新简约的系统UI界面,在界面中既可选择自己的视频、图片文件进行检测跟踪,也可以通过电脑自带...
  • 多目标优化详解【转载】

    万次阅读 多人点赞 2017-09-02 11:05:47
    多目标优化问题详解 生活中 ,许多问题都是由相互冲突和影响的多个目标组成。人们会经常遇到使多个目标在给定区域同时尽可能最佳的优化问题 ,也就是多目标优化问题。优化问题存在的优化目标超过一个并需要同时处理 ...
  • SORT 多目标跟踪算法笔记

    万次阅读 多人点赞 2019-04-21 15:20:46
    sort 是一种简单的在线实时多目标跟踪算法。文章要点为: 以 IoU 作为前后帧间目标关系度量指标; 利用卡尔曼滤波器预测当前位置; 通过匈牙利算法关联检测框到目标; 应用试探期甄别虚检; 使用 Faster R-...
  • 单目标&多目标 灰狼算法算法讲解

    千次阅读 2019-10-05 11:38:03
    1. 灰狼算法思想 2. 单目标灰狼算法 3. 多目标灰狼算法
  • 多目标优化问题的算法及其求解

    万次阅读 多人点赞 2018-09-06 17:32:58
    多目标优化问题的算法及其求解 一、多目标优化问题   多目标优化是在现实各个领域中都普遍存在的问题,每个目标不可能都同时达到最优,必须各有权重。但是,究竟要怎样分配这样的权重,这已经成为人们...
  • 多目标跟踪vs+opencv

    热门讨论 2016-11-06 14:47:28
    先用背景差分完成目标提取,将运动目标的相关信息放入到链表中,通过帧差完成对多目标的跟踪,达到实时性的要求 运动目标的相关信息存放于结构体中,可以在此基础上判断目标的动作行为跟踪基本框架,opencv编写,...
  • 多目标优化系列: MOP_1. 多目标优化的相关基本概念 MOP_2. 非支配排序遗传算法 —(NSGA、NSGA-II) MOP_3. 基于分解的多目标进化算法 —(MOEAD) 在学习多目标优化的过程中,尤其涉及Pareto相关知识的一些概念...
  • 单目标优化、多目标优化

    千次阅读 2020-03-10 18:24:12
    多目标优化问题的各个子目标之间是矛盾的 ,一个子目标的改善有可能会引起另一个或者另几个子目标的性能降低 , 也就是要同时使多个子目标一起达到最优值是不可能的 , 而只能在它们中间进行协调和折中处理 , 使各个子...
  • 多目标跟踪算法解读

    千次阅读 2020-09-28 14:29:43
    一、多目标跟踪背景介绍 1.问题定义 2.难点 3.应用场景 二、相关方法 1.Model free 方法 2. Tracking by detection 方法 1)离线方法 2)在线方法 三、基准 多目标跟踪背景介绍 问题定义 多目标跟踪是将视频...
  • 多目标优化问题概述

    万次阅读 2017-08-29 20:34:16
    图片不清楚请看多目标问题详解:多目标问题详解 定义:若干冲突或相互影响条件约束下在给定区域内寻找尽可能的最优解(非劣解)。 关键词:条件约束,折中最优解(解并非唯一是与单目标优化问题的本质区别) 文字...
  • 深度多目标跟踪算法综述

    万次阅读 多人点赞 2018-10-23 10:54:33
    其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 ...在多目标...
  • 多目标跟踪算法

    千次阅读 2020-02-09 15:37:45
    文章目录多目标跟踪算法一、多目标跟踪算法分类二、基于目标检测的多目标跟踪2.1 基于轨迹预测的目标跟踪算法2.2 基于目标特征建模 多目标跟踪算法 一、多目标跟踪算法分类 DBT(Detection Based Tracking)(如上图...
  • 多目标优化系列: MOP_1. 多目标优化的相关基本概念 MOP_2. 非支配排序遗传算法 —(NSGA、NSGA-II) MOP_3. 基于分解的多目标进化算法 —(MOEAD) 1. 非支配排序遗传算法(NSGA) 1995年,Srinivas和Deb提出了非...
  • 基于贝叶斯体系的目标跟踪参考书籍学习笔记下载引言多目标跟踪总结 参考书籍  主要的参考书籍为Mahler的《多源多目标统计信息融合》和韩崇昭的《多源信息融合》(ps:主推马勒这本,基本能够完美入门) 学习笔记...
  • 多目标优化系列: MOP_1. 多目标优化的相关基本概念 MOP_2. 非支配排序遗传算法 —(NSGA、NSGA-II) MOP_3. 基于分解的多目标进化算法 —(MOEAD) 基于分解的多目标进化算法 (MOEA/D) 一种基于分解的多目标进化...
  • 动态多目标优化

    千次阅读 2019-06-28 19:59:45
    在生产调度、人工智能、组合优化、工程设计、大规模数据处理、城市运输、水库管理、网络通信、数据挖掘和资本预算等诸多优化领域,常常会遇到许多复杂的...在实际生活中,研究动态多目标优化问题就变得格外重要。 ...
  • 多目标跟踪综述2

    千次阅读 2018-10-11 19:48:39
    多目标跟踪:(Multiple Object Tracking or Multiple Target Tracking, MOT or MTT)主要任务是在给定视频中同时对多个感兴趣的目标进行定位,并且维持他们的ID、记录他们的轨迹。 多目标跟踪主要存在的问题: 1....
  • 带你入门多目标跟踪(一)领域概述

    万次阅读 多人点赞 2019-07-02 19:21:25
    现在从目标检测和单目标跟踪方向转来做多目标跟踪的小伙伴应该有不少,但由于多目标跟踪任务本身的复杂性,导致其入门会比目标检测与单目标跟踪困难不少。再加上论文分布在各个会议,开源代码较少,都造成了多目标...
  • 多目标优化-Pareto遗传算法

    千次阅读 多人点赞 2019-10-25 16:02:17
    这里写自定义目录标题多目标优化的应用背景遗传算法自适应遗传算法Pareto遗传算法Pareto遗传算法的求解 这里写自定义目录标题多目标优化的应用背景遗传算法自适应遗传算法Pareto遗传算法Pareto遗传算法的求解遗传...
  • 多目标指标

    千次阅读 2018-09-01 11:33:52
    多目标性能评价指标:HV;GD;IGD;IGD+;IGD-NS;△p;R2;E,S测度; HV(超体积): GD(世代距离): IGD(反转世代距离): 最近很忙,有空再详细写
  • 粒子群算法求解约束多目标优化万能matlab代码

    千次下载 热门讨论 2013-07-02 16:10:16
    粒子群算法 约束多目标 优化 matlab代码
  • 多目标 VS 多分类

    千次阅读 2017-01-17 15:21:13
    多目标:类别之间是独立的,不要求互斥偶 多分类: 类别之间是互斥的
  • 多目标遗传算法及MATLAB代码

    万次阅读 多人点赞 2020-01-03 23:12:49
    需要求一个比较复杂的矩阵,一般方法解不出来,故尝试用多目标遗传算法(Multiobjective Genetic Algorithm)求解。不是专门做研究遗传算法的,根据自己需求进行了简单学习,并做如下笔记。 i 遗传算法理解 遗传...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,676,735
精华内容 1,070,694
关键字:

多目标