Kể từ khi cuốn sách này là về các thuật toán tiến hóa đa mục tiêu, đó là, do đó, cần thiết để thảo luận về các thuật toán tiến hóa đơn khách quan, đặc biệt đối với những độc giả không quen thuộc với tính tiến hóa. Chương 4 bắt đầu bằng phác thảo những khó khăn liên quan đến các phương pháp cổ điển và nhấn mạnh sự cần thiết cho một phương pháp tối ưu hóa dựa trên dân số để tối ưu hóa đa mục tiêu. Sau đó, bốn thuật toán tiến hóa khác nhau, tức là thuật toán di truyền (ga), chiến lược tiến hóa (ES), lập trình tiến hóa (EP) và lập trình di truyền (GP), được thảo luận. Vì hầu hết MOEAs hiện đang GA-based, chúng tôi đã cung cấp các mô tả khá chi tiết về các nguyên tắc làm việc của cả một GA nhị phân được mã hóa và một tham số thực sự. Hạn chế là điều hiển nhiên trong giải quyết vấn đề trong thế giới thực. Chúng tôi cũng đã nêu bật một số kỹ thuật xử lý ràng buộc được sử dụng trong một GA. Trong bối cảnh của tối ưu hóa đa mục tiêu, chúng tôi đã thảo luận về sự cần thiết cho việc tìm kiếm một tập cũng phân phối các giải pháp thương mại-off. Kể từ khi việc tìm kiếm và duy trì một bộ phân sinh kế của các giải pháp tối ưu là tương đương với việc giải quyết một vấn đề đa phương thức cho việc tìm kiếm và duy trì nhiều giải pháp tối ưu đồng thời, chúng tôi cũng xây dựng các kỹ thuật khác nhau được sử dụng EA trong việc giải quyết các vấn đề đa phương thức.
đang được dịch, vui lòng đợi..