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 dominancia 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 ordena 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 clásicos de cruce y mutación del algoritmo genético. Las funciones SelectParentsBy-RankAndDistance y SortByRankAndDistance discriminan primero a los miembros de la población por su rango (orden de prioridad dominado por el borde al que pertenece la solución) y luego por la distancia dentro del borde (calculada por CrowdingDistanceAssignment).
El algoritmo genético de clasificación no dominada NSGA fue diseñado y adaptado para instancias de problemas de optimización multiobjetivo de función continua. Una representación binaria se puede utilizar junto con operadores genéticos clásicos como punto de cruce y punto de mutación. Se recomienda una representación de valor real para los problemas de optimización de funciones continuas, que a su vez requieren operadores genéticos específicos de la representación, como el cruce binario simulado (SBX) y la mutación polinómica.
