目标的加权算法

① 用matlab求解多目标优化问题的程序，如何对目标函数进行加权

对各个目标值的权重进行计算，如有三个目标x1，x2，x3，每个目标的权重设分别为a(1),a(2),a(3),则最终的目标函数为a(1)*x1+a(2)*x2+a(3)*x3。具体权重怎么设置有很多种方法，也可以根据各个目标的重要性进行人为的设定，设定完后三个目标的权重之和要为1，即：a(1)+a(2)+a(3)=1.

② 多目标优化算法

多目标优化算法如下：

一、多目标进化算法（MOEA）

1、MOEA通过对种群X（t）执行选择、交叉和变异等操作产生下一代种群X（t+1）。

2、在每一代进化过程中 ,首先将种群X（t）中的所有非劣解个体都复制到外部集A（t）中。

2、智能优化算法：包括进化算法（简称EA）、粒子群算法（简称PSO）等。

两者的区别：传统优化技术一般每次能得到Pareo解集中的一个，而用智能算法来求解，可以得到更多的Pareto解，这些解构成了一个最优解集，称为Pareto最优解（任一个目标函数值的提高都必须以牺牲其他目标函数值为代价的解集）。

③ 加权和法与加权积法有什么区别

区别很大，加权和法( weighted sum method)，亦称“线性加权和法”。指解决多目标决策问题的一种常用方法。对7个目标f(x)，分别赋予权系数入(i=1,2,……,n)，然后作新的目标函数(也称效用函数)。加权计算法，是网络效果测定的方法之一。 这种方法叫加权法。 一般说的平均数，就是把所有的数加起来，再除以这些数的总个数。表示为：(p1+p2+p3+..+pn)/n;
但有的数据记录中有一些相同的数据，在计算的时候，那一个数有几个相同数，就把这个数乘上几，这个几，就叫权，加权，就是乘上几后再加。平均数还是要除以总个数。
还是以上面的各个数为例：它们每个数都有一些相同数，表示为：k1,k2,k3.kn;
加权平均的公式是：（k1p1+k2p2+k3p3+knpn）/(k1+k2+k3+..kn)

④ 已知权重和目标值,实际值如何计算

已知权重和目标值,实际值计算方法1、权重计算即将各数值乘以相应的权数，然后加总求和得到总体值，再除以总的单位数。
2、权重的值就是加权平均值，值的大小不仅取决于总体中各单位的数值（变量值）的大小，而且取决于各数值出现的次数（频数），由于各数值出现的次数对其在平均数中的影响起着权衡轻重的作用，因此叫做权数。

⑤ 什么是多目标规划模型中线性加权法

式中Z为目标函数，min表示要求目标函数为最小；W、W分别表示第k个优先级别中对第i个目标正、负偏差量d抜、d抶的加权系数,即表示不同偏差量的相对重要程度，W=0或W=0分别表示不考虑d抜或d抶； s.t.表示在下述的约束下；gi表示第i个规定目标值，c。

⑥ 加权平均的算法是怎么样的

所谓的加权平均就是各组数据不是简单的按照求和，除以组数进行平均结果。
而是掺杂进去各组数据所占据的不同权重（即不同比例）之和，平均处理的数据结果。
一般多用于考核啊，绩效啊，工资结构啥的
例如你这个题目中：
语文：分数为90 占比重占6份
数学：分数为80 占比重占4份
外语：分数为70 占比重占2份
算法就是各数据乘以自己的权重，然后除以总比例，可得加权平均数：
（90*6+80*4+70*2）/（6+4+2）
=1000/12
=83.33
解毕，不懂继续

⑦ tSp Concorder算法原理

tsp问题遗传算法将多目标按照线性加权的方式转化为单目标，然后应用传统遗传算法求解
其中w_i表示第i个目标的权重，f_k表示归一化之后的第i个目标值。我们很容易知道，这类方法的关键是怎么设计权重。比如，Random Weight Genetic Algorithm (RWGA) 采用随机权重的方式，每次计算适应度都对所有个体随机地产生不同目标的权重，然后进行选择操作。Vector-Evaluated Genetic Algorithm (VEGA) 也是基于线性加权的多目标遗传算法。如果有K个目标，VEGA 会随机地将种群分为K个同等大小子种群，在不同的子种群按照不同的目标函数设定目标值，然后再进行选择操作。VEGA 实质上是基于线性加权的多目标遗传算法。VEGA 是第一个多目标遗传算法，开启了十几年的研究潮流。
1.TSP问题是指假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。本文使用遗传算法解决att30问题，即30个城市的旅行商问题。旅行商问题是一个经典的组合优化问题。一个经典的旅行商问题可以描述为：一个商品推销员要去若干个城市推销商品，该推销员从一个城市出发，需要经过所有城市后，回到出发地。应如何选择行进路线，以使总的行程最短。从图论的角度来看，该问题实质是在一个带权完全无向图中，找一个权值最小的Hamilton回路。由于该问题的可行解是所有顶点的全排列，随着顶点数的增加，会产生组合爆炸，它是一个NP完全问题。TSP问题可以分为对称和不对称。在对称TSP问题中，两座城市之间来回的距离是相等的，形成一个无向图，而不对称TSP则形成有向图。对称性TSP问题可以将解的数量减少了一半。所以本次实验的TSP问题使用att48数据，可在tsplib中下载数据包。演化算法是一类模拟自然界遗传进化规律的仿生学算法，它不是一个具体的算法，而是一个算法簇。遗传算法是演化算法的一个分支，由于遗传算法的整体搜索策略和优化计算是不依赖梯度信息，所以它的应用比较广泛。我们本次实验同样用到了遗传算法（用MATLAB编写）来解决TSP问题。

⑧ 什么是加权算法

加权算法就是“各科分数（百分制）乘以各科学分，然后把相加的总和除以学分总数，再乘以4/100”