多目标优化中NSGA-II进阶是怎样的，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
成都创新互联服务项目包括湘乡网站建设、湘乡网站制作、湘乡网页制作以及湘乡网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，湘乡网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到湘乡省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！
假设存在五类物品，每类物品中又包含四种具体物品，现要求从这五类物品中分别选择一种物品放入背包中，使得背包内物品的总价值最大、总体积最小、总质量最小。（PS：
这里将背包的总质量限制去掉
）。其中P为每个物品的价值，R为每个物品的体积，C为每个物品质量。
这里的算法设计部分其实没有多大变化，算法详细的设计过程可参考多目标优化 | 基于NSGA-II的多目标0-1背包问题求解（附matlab代码）这篇推文。第一不同点就是删掉第2部分-约束处理，因为这个问题本身是不存在约束限制的。第二个不同点是适应度函数变为三个目标，第一个目标为物品总价值之和，第二个目标为物品总体积之和，第三个目标为物品总质量之和。我想各位小伙伴已经理解了支配的含义，不过小编在这里再啰嗦一遍。理想情况下，支配可以简单粗暴地来理解为一个解的所有目标值都好于另一个解的所有目标值。
但是这只是理想情况，严谨的来说支配的含义是至少在某一个目标值上，一个解优于另外一个解，然后在其它目标值上，这个解要不次于另一个解。我们一共找到48个Pareto最优解，并已在坐标系中画出。
关于多目标优化中NSGA-II进阶是怎样的问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。
当前名称：多目标优化中NSGA-II进阶是怎样的
标题链接：
http://cdkjz.cn/article/gcjejd.html
