在进化多目标优化 (EMO) 中,算法在性能空间中生成一组点作为帕累托前沿的估计。 需要量化度量来估计估计数据点与真实帕累托前沿的接近程度。
其中一种度量是超体积指标,它给出了估计的帕累托前沿 (P) 和参考点 (R) 之间的超体积。 然而,严格计算该指标是耗时的。 该工具使用蒙特卡罗方法通过计算由帕累托前沿主导的性能空间中一组随机点的百分比来估计超体积。
该代码是应 Timo Aittokoski 提出的要求而开发的,他使用了作者开发的 Pareto Front 代码。
2021-08-28 01:09:19
2KB
matlab
1