最佳多目标 3D 路径优化算法？答案

【问题标题】：Best multi-objective 3D path optimization algorithm?最佳多目标 3D 路径优化算法？
【发布时间】：2015-01-06 02:52:38
【问题描述】：

我想为大量人员（2000 年）计算一次建筑出口的 3D 平衡路径。由于问题与疏散有关，并且可以预先计算 3D 路径（最快和其他）的解决方案，因此我将在数据库中存储 3D 路径以加速该过程。在我看来，目前有两种解决方案：

计算通过节点的数量，以图形环境表示，但时间计算可能会令人无法忍受。
使用遗传算法。但是，我找不到一个描述良好的优化示例，其中使用了遗传算法。

你能告诉我一种使用 GA 进行多目标优化的方法吗，因为我发现只有 GA 实现来寻找最短路径？以及哪种算法最适合多对象优化？

【问题讨论】：

你看过“最大流量最小切割”吗？它不是专门的 3d 路径优化器，但听起来您的问题可能更好地描述为流问题，并且该算法在其工作方面非常有效。

标签： optimization genetic-algorithm path-finding

【解决方案1】：

遗传算法不能轻易地直接用于多目标优化。如果您想使用最纯粹的 GA，您必须将目标组合成一个目标，例如通过对每个目标的加权值求和。但这通常效果不佳，尤其是当目标之间存在很大的权衡时。

但是，有专门为多目标优化设计的遗传（进化）算法。 NSGA-II 可能最著名也是最好的之一，它代表 Nondowned Sorting Genetic A算法II。它也相对容易实现（我做过一次）。但也有其他 MOEA（Multi-Objective Evolutionary A算法），google 一下。他们中的一些人也使用非支配思想，其他人则没有。

【讨论】：

感谢您的帮助！我想知道，NSGA-II 算法的速度有多快，快速处理的推荐目标数量是多少？
@MitkoAleksandrov 好吧，您可以在论文中找到复杂性。它的速度取决于要解决的问题、目标的数量、您的基因操作员和其他一些事情。你得试试。目标的数量是由问题给出的，不是吗？但当然，目标越少，它应该越快。它可以处理任意数量的目标。