NSGA-III
Non-dominated Sorting Genetic Algorithm III · Ayrıca şöyle bilinir: NSGA-III algorithm, NSGA-III evolutionary, many-objective optimization
Kalyanmoy Deb ve Himanshu Jain tarafından 2014 yılında geliştirilen NSGA-III (Non-dominated Sorting Genetic Algorithm III), çok amaçlı optimizasyon problemleri için son teknoloji bir evrimsel algoritmadır. Popüler NSGA-II algoritmasını referans noktası tabanlı seçilim ile genişleterek, üç veya daha fazla çelişkili hedefi olan problemleri etkili bir şekilde ele almayı sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Özellikle mühendislik tasarımı, portföy optimizasyonu ve kaynak tahsisi alanlarında, üç veya daha fazla çelişkili hedefi optimize ederken NSGA-III'ü kullan. Tek bir optimum yerine çeşitli ödünleşim çözümleri setine ihtiyaç duyduğunda kullan. Kalabalık mesafesinin etkisiz hale geldiği çok amaçlı problemler (4+ hedef) için NSGA-II yerine NSGA-III'ü tercih et. Daha basit yapıya veya daha az hedefe sahip problemler için daha basit çok amaçlı yöntemler yeterli olabilir.
Güçlü yönler & sınırlılıklar
- Geleneksel yöntemlerin zorlandığı çok amaçlı problemleri (4+ hedef) etkili bir şekilde ele alır
- Referans noktaları kullanarak iyi dağılmış Pareto cephesi yaklaşımları üretir
- Referans noktası nişleşmesi yoluyla popülasyon çeşitliliğini doğal olarak korur
- Esnek referans noktası tanımları, kullanıcı yönlendirmesine ve uyarlamaya olanak tanır
- Çeşitli problem türlerine genelleştirilebilir: sürekli, ayrık ve karma değişkenler
- Kesin çok amaçlı optimizasyon yöntemlerine kıyasla hesaplama açısından verimlidir
- Referans noktalarının tanımlanmasını gerektirir; kötü seçimler suboptimal cephelere yol açabilir
- Yüksek boyutlu hedef uzayları için yakınsama yavaş olabilir
- Parametre ayarı (mutasyon oranı, çaprazlama oranı) performansı etkiler
- Bağlantısız veya düzensiz Pareto cephelerinde optimal performans göstermeyebilir
- Yüksek boyutlu uzaylar için referans noktası üretimi hesaplama açısından pahalı hale gelir
SSS
NSGA-III'te referans noktaları nelerdir ve neden önemlidir?
Referans noktaları, istenen ödünleşimleri temsil eden, kullanıcı tarafından tanımlanan veya otomatik olarak oluşturulan hedef uzayı noktalarıdır. NSGA-III, bunları seçilim için kullanır: temsilcisi az olan referans noktalarına en yakın bireyler önceliklendirilir, bu da Pareto cephesinin iyi bir şekilde kapsanmasını sağlar.
NSGA-III, NSGA-II'den nasıl farklıdır?
NSGA-II, çeşitlilik koruması için kalabalık mesafesini kullanır; bu, 2-3 hedef için iyi çalışır ancak çok amaçlı problemler için etkisiz hale gelir. NSGA-III, bunu referans noktası tabanlı nişleşme ile değiştirerek etkili çok amaçlı optimizasyon sağlar.
Kaç referans noktası oluşturulmalıdır?
Sayı, istenen Pareto cephesi yoğunluğuna ve popülasyon büyüklüğüne bağlıdır. İyi bir kapsama için popülasyon büyüklüğünden daha fazla referans noktası kullanmak yaygın bir kuraldır. Çok sayıda hedef için, referans noktalarını hiyerarşik olarak birleştirin veya uyarlanabilir üretim kullanın.
NSGA-III, bağlantısız veya düzensiz Pareto cephelerini ele alabilir mi?
NSGA-III, bağlantılı, nispeten düzgün cephelerde en iyi şekilde çalışır. Bağlantısız veya oldukça düzensiz cephelerde performans düşebilir. Uyarlanabilir referans noktaları veya probleme özgü modifikasyonlar sonuçları iyileştirebilir.
Kaynaklar
- Deb, K., & Jain, H. (2014). An evolutionary many-objective optimization algorithm using reference-point-based nondominated sorting approach, part I: Solving problems with box constraints. IEEE Transactions on Evolutionary Computation, 18(4), 577-601. DOI: 10.1109/TEVC.2013.2281534 ↗
- Deb, K., Agrawal, S., Pratap, A., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197. DOI: 10.1109/4235.996017 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Non-dominated Sorting Genetic Algorithm III. ScholarGate. https://scholargate.app/tr/operations-research/nsga-iii
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Çok Amaçlı OptimizasyonSimülasyon↔ karşılaştır
- Parçacık Sürü Optimizasyonu (PSO)Optimizasyon↔ karşılaştır