MOGP

Wilayah GP multi-tujuan (MO GP) telah sangat aktif dalam dekade terakhir. Dalam optimasi
multi-tujuan (MOO) masalah, satu mengoptimalkan sehubungan dengan beberapa tujuan atau
fungsi fitness f1, f2, .... Tugas algoritma MOO adalah untuk menemukan solusi yang optimal,
atau setidaknya dapat diterima, menurut semua kriteria secara bersamaan.
Dalam kebanyakan mengubah algoritma dari single-tujuan untuk multi-tujuan kasus memerlukan
beberapa perubahan dalam pemilihan cara dilakukan. Ini adalah berapa banyak sistem MO GP
berurusan dengan beberapa tujuan. Namun, ada pilihan lain. Kami meninjau teknik utama dalam
bagian berikut.
Kompleksitas solusi berevolusi adalah salah satu hal yang paling sulit untuk mengontrol dalam
sistem evolusi seperti GP, di mana ukuran dan bentuk dari solusi berkembang berada di bawah
kendali evolusi. Dalam beberapa kasus, misalnya, ukuran solusi berkembang dapat tumbuh
dengan cepat, seolah-olah evolusi aktif mempromosikan itu, tanpa manfaat yang jelas dalam hal
kebugaran. Kami akan memberikan pembahasan rinci dari fenomena ini, yang dikenal sebagai
mengasapi, dan berbagai langkah-langkah kontra untuk itu dalam Bagian 11.3. Namun, dalam
bab ini kita akan meninjau pekerjaan di mana ukuran solusi berkembang telah digunakan sebagai
tujuan tambahan dalam sistem GP multi-tujuan. Tentu saja, kami juga akan menjelaskan kerja di
mana tujuan lain yang digunakan.