点击上方“蓝字”关注我们了解更多精彩
评估指标及测试函数集
1.相关知识
调用评估函数代码如下：
%% 评估解：输入(目标函数值，真实前沿值)，输出评估值Scorefunction Score = evaluation_solution(PopObj,PF)global V M pop_sizeE = input('请输入你想评估的指标数字，\n 如：1-PD,2-HV,3-IGD,4-GD,5-DM,6-CPF,\n 7-Spread,8-Spacing,9-DeltaP,10-Coverage : \n');switch E case 1 Score = PD(PopObj,PF); case 2 [Score,~] = HV(PopObj,PF); case 3 Score = IGD(PopObj,PF); case 4 Score = GD(PopObj,PF); case 5 Score = DM(PopObj,PF); case 6 Score = CPF(PopObj,PF); case 7 Score = Spread(PopObj,PF); case 8 Score = Spacing(PopObj,PF); case 9 Score =DeltaP(PopObj,PF); case 10 Score = Coverage(PopObj,PF)end
2.评估指标举例
IGD(反世代距离), 可以反应种群的收敛性和分布性, IGD值最小，就意味着算法的综合性能越好.
%% 评估解：输入(目标函数值，真实前沿值)，输出评估值Scorefunction Score = IGD(PopObj,PF) Distance = min(pdist2(PF,PopObj),[],2);% 两个向量的距离，1001*2 与100*2，产生1001*100矩阵，行中最小 Score = mean(Distance);% 求平均end
更多评估指标 文末有测试代码↓
3.测试函数举例
Deb教授的ZDT1-ZDT6系列测试函数：
| 函数名称 | 函数定义 | 约束条件 |
| ZDT1 PFtrue凸 | | m=30;0≤xi≤1 |
| ZDT2 PFtrue凹 | | m=30;0≤xi≤1 |
| ZDT6 PFtrue凹 | | m=10;0≤xi≤1 |
真实Pareto前沿图例：
更多测试函数可以自查《多目标进化优化》郑金华
链接：https://pan.baidu.com/s/1h0rZZJVtDP5i47kR2iQZ6g
提取码：o9g4
代码、测试数据集网盘链接：
链接：https://pan.baidu.com/s/1CC4iloeKXlTqIRYy8w1XDQ
提取码：e5ov
(整合网络资源编写，仅供学习参考，切勿商用，读者有问题可以后台回复小编，小编看到后会尽快回复您！)
— 往期精彩 —
选择算法 — 轮盘赌法选择
2020-09-13
智能优化算法 — 多目标粒子群优化算法(MOPSO)
2020-08-28
智能优化算法 — 多目标差分进化算法示例代码
2020-08-20
智能优化算法 — 多目标优化中非支配排序算法解读
2020-08-20