Algoritmo de clasificación genética no dominado por NSGA
El objetivo de laalgoritmo genético La clasificación no dominada de NSGA es para mejorar el ajuste adaptativo de una población de soluciones candidatas a un frente de Pareto restringido por un conjunto de funciones objetivas. El algoritmo genético de clasificación no dominada de NSGA utiliza un proceso evolutivo con sustitutos para operadores evolutivos que incluyen selección, cruce genético y mutación genética.
La población se clasifica en una jerarquía de subpoblaciones según el orden de dominación de Pareto. La similitud entre los miembros de cada subgrupo se evalúa en el frente de Pareto, y los grupos resultantes y las medidas de similitud se utilizan para promover un frente diverso de soluciones no dominadas.
La función SortByRankAndDistance clasifica a la población en una jerarquía de frentes de Pareto no dominados. CrowdingDistance-Assignment calcula la distancia promedio entre los miembros de cada frente en el frente mismo. La función Crossover-AndMutation realiza los operadores de cruce y mutación genéticos clásicos del algoritmo genético. Las funciones SelectParentsBy-RankAndDistance y SortByRankAndDistance primero discriminan a los miembros de la población por su rango (orden de prioridad dominado por el frente al que pertenece la solución) y luego por la distancia dentro del frente (calculada por CrowdingDistanceAssignment).
El algoritmo de clasificación genética no dominado por NSGA fue diseñado y adaptado a casos de problemas de optimización de múltiples objetivos de función continua. Se puede utilizar una representación binaria junto con operadores genéticos clásicos como el cruce de puntos y la mutación de puntos. Se recomienda una representación de valor real para problemas de optimización de funciones continuas, que a su vez requieren operadores genéticos específicos de representación, como el cruce binario simulado (SBX) y la mutación polinomial.
ES 
FR 
EN