目標的加權演算法

① 用matlab求解多目標優化問題的程序，如何對目標函數進行加權

對各個目標值的權重進行計算，如有三個目標x1，x2，x3，每個目標的權重設分別為a(1),a(2),a(3),則最終的目標函數為a(1)*x1+a(2)*x2+a(3)*x3。具體權重怎麼設置有很多種方法，也可以根據各個目標的重要性進行人為的設定，設定完後三個目標的權重之和要為1，即：a(1)+a(2)+a(3)=1.

② 多目標優化演算法

多目標優化演算法如下：

一、多目標進化演算法（MOEA）

1、MOEA通過對種群X（t）執行選擇、交叉和變異等操作產生下一代種群X（t+1）。

2、在每一代進化過程中 ,首先將種群X（t）中的所有非劣解個體都復制到外部集A（t）中。

2、智能優化演算法：包括進化演算法（簡稱EA）、粒子群演算法（簡稱PSO）等。

兩者的區別：傳統優化技術一般每次能得到Pareo解集中的一個，而用智能演算法來求解，可以得到更多的Pareto解，這些解構成了一個最優解集，稱為Pareto最優解（任一個目標函數值的提高都必須以犧牲其他目標函數值為代價的解集）。

③ 加權和法與加權積法有什麼區別

區別很大，加權和法( weighted sum method)，亦稱「線性加權和法」。指解決多目標決策問題的一種常用方法。對7個目標f(x)，分別賦予權系數入(i=1,2,……,n)，然後作新的目標函數(也稱效用函數)。加權計演算法，是網路效果測定的方法之一。 這種方法叫加權法。 一般說的平均數，就是把所有的數加起來，再除以這些數的總個數。表示為：(p1+p2+p3+..+pn)/n;
但有的數據記錄中有一些相同的數據，在計算的時候，那一個數有幾個相同數，就把這個數乘上幾，這個幾，就叫權，加權，就是乘上幾後再加。平均數還是要除以總個數。
還是以上面的各個數為例：它們每個數都有一些相同數，表示為：k1,k2,k3.kn;
加權平均的公式是：（k1p1+k2p2+k3p3+knpn）/(k1+k2+k3+..kn)

④ 已知權重和目標值,實際值如何計算

已知權重和目標值,實際值計算方法1、權重計算即將各數值乘以相應的權數，然後加總求和得到總體值，再除以總的單位數。
2、權重的值就是加權平均值，值的大小不僅取決於總體中各單位的數值（變數值）的大小，而且取決於各數值出現的次數（頻數），由於各數值出現的次數對其在平均數中的影響起著權衡輕重的作用，因此叫做權數。

⑤ 什麼是多目標規劃模型中線性加權法

式中Z為目標函數，min表示要求目標函數為最小；W、W分別表示第k個優先順序別中對第i個目標正、負偏差量d抜、d抶的加權系數,即表示不同偏差量的相對重要程度，W=0或W=0分別表示不考慮d抜或d抶； s.t.表示在下述的約束下；gi表示第i個規定目標值，c。

⑥ 加權平均的演算法是怎麼樣的

所謂的加權平均就是各組數據不是簡單的按照求和，除以組數進行平均結果。
而是摻雜進去各組數據所佔據的不同權重（即不同比例）之和，平均處理的數據結果。
一般多用於考核啊，績效啊，工資結構啥的
例如你這個題目中：
語文：分數為90 佔比重佔6份
數學：分數為80 佔比重佔4份
外語：分數為70 佔比重佔2份
演算法就是各數據乘以自己的權重，然後除以總比例，可得加權平均數：
（90*6+80*4+70*2）/（6+4+2）
=1000/12
=83.33
解畢，不懂繼續

⑦ tSp Concorder演算法原理

tsp問題遺傳演算法將多目標按照線性加權的方式轉化為單目標，然後應用傳統遺傳演算法求解
其中w_i表示第i個目標的權重，f_k表示歸一化之後的第i個目標值。我們很容易知道，這類方法的關鍵是怎麼設計權重。比如，Random Weight Genetic Algorithm (RWGA) 採用隨機權重的方式，每次計算適應度都對所有個體隨機地產生不同目標的權重，然後進行選擇操作。Vector-Evaluated Genetic Algorithm (VEGA) 也是基於線性加權的多目標遺傳演算法。如果有K個目標，VEGA 會隨機地將種群分為K個同等大小子種群，在不同的子種群按照不同的目標函數設定目標值，然後再進行選擇操作。VEGA 實質上是基於線性加權的多目標遺傳演算法。VEGA 是第一個多目標遺傳演算法，開啟了十幾年的研究潮流。
1.TSP問題是指假設有一個旅行商人要拜訪n個城市，他必須選擇所要走的路徑，路徑的限制是每個城市只能拜訪一次，而且最後要回到原來出發的城市。路徑的選擇目標是要求得的路徑路程為所有路徑之中的最小值。本文使用遺傳演算法解決att30問題，即30個城市的旅行商問題。旅行商問題是一個經典的組合優化問題。一個經典的旅行商問題可以描述為：一個商品推銷員要去若干個城市推銷商品，該推銷員從一個城市出發，需要經過所有城市後，回到出發地。應如何選擇行進路線，以使總的行程最短。從圖論的角度來看，該問題實質是在一個帶權完全無向圖中，找一個權值最小的Hamilton迴路。由於該問題的可行解是所有頂點的全排列，隨著頂點數的增加，會產生組合爆炸，它是一個NP完全問題。TSP問題可以分為對稱和不對稱。在對稱TSP問題中，兩座城市之間來回的距離是相等的，形成一個無向圖，而不對稱TSP則形成有向圖。對稱性TSP問題可以將解的數量減少了一半。所以本次實驗的TSP問題使用att48數據，可在tsplib中下載數據包。演化演算法是一類模擬自然界遺傳進化規律的仿生學演算法，它不是一個具體的演算法，而是一個演算法簇。遺傳演算法是演化演算法的一個分支，由於遺傳演算法的整體搜索策略和優化計算是不依賴梯度信息，所以它的應用比較廣泛。我們本次實驗同樣用到了遺傳演算法（用MATLAB編寫）來解決TSP問題。

⑧ 什麼是加權演算法

加權演算法就是「各科分數（百分制）乘以各科學分，然後把相加的總和除以學分總數，再乘以4/100」