MO Indicators: Difference between revisions
(Die Seite wurde neu angelegt: {{BlueM.Opt nav}} EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen, etc. ==Hypervolumen== <blockquote>The size of ...) |
|||
| Line 16: | Line 16: | ||
==Solutionvolume== | ==Solutionvolume== | ||
'' | |||
Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung. | |||
''' Bestimmung ''' | |||
Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl. | |||
''' Aussage ''' | |||
Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen: | |||
- Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes. | |||
- Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität.* | |||
- Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken. | |||
*Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt. | |||
==Literaturangaben== | ==Literaturangaben== | ||
Revision as of 04:59, 19 February 2009
BlueM.Opt | Download | Usage | Development
EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen, etc.
Hypervolumen
The size of the objective value space covered by a set of nondominated solutions.
- — Zitzler & Thiele (1998)[1]
Implementierung in BlueM.Opt basiert auf dem PISA Performance Assessment Package.
Der Nadir-Punkt, der als Ausgangspunkt für die Hypervolumenberechnung dient, wird vor jeder Berechnung (i.d.R. bei jeder neuen Generation) automatisch so verschoben, dass keine negativen Abstände zwischen dem Nadir-Punkt und den nicht-dominierten Lösungen auftreten - dies kann zu Sprüngen im Hypervolumen führen.
Weitere Literatur:
- more detailed discussion: Zitzler et al. (2003)[2]
- generalization to arbitrary weight distribution functions: Zitzler et al. (2007)[3]
Solutionvolume
Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung.
Bestimmung Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl.
Aussage Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen: - Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes. - Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität.* - Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken.
- Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt.
Literaturangaben
- ↑ Zitzler, E., and Thiele, L. (1998): Multiobjective Optimization Using Evolutionary Algorithms - A Comparative Case Study. In: Parallel Problem Solving from Nature (PPSN-V), 292-301, DOI:10.1007/BFb0056872
- ↑ Zitzler, E., Thiele, L., Laumanns, M., Fonseca, C., and Grunert da Fonseca, V. (2003): Performance Assessment of Multiobjective Optimizers: An Analysis and Review. IEEE Transactions on Evolutionary Computation, 7(2), 117-132, DOI:10.1109/TEVC.2003.810758
- ↑ Zitzler, E., Brockhoff, D., and Thiele, L. (2007): The Hypervolume Indicator Revisited: On the Design of Pareto-compliant Indicators Via Weighted Integration. Conference on Evolutionary Multi-Criterion Optimization (EMO 2007), volume 4403 of LNCS, pages 862-876, Springer, DOI:10.1007/978-3-540-70928-2