表示式為：
其中，λ是權重向量，f(x)表示目標函式。兩個向量相乘表示向量的內積或數量積，幾何含義為乙個向量在另乙個向量的對映。如下圖所示，等高線為垂直於λ的綠線。
表示式為：
如下圖所示，等高線為綠色的線，當為兩個目標的時候，等高線為折線。但是每次根據點的位置，只能有一條等高線，如點在直線上方的時候，等高線為那條橫線，優化的時候是向下優化。當點在直線（向量λ）下方的時候，等高線是一條縱向的直線，優化的時候是向左運動。
所以優化過程中，一種運動路線為：
改進後的公式為：
含義圖如圖suo所示：
就是如果不把解放在權重方向的向量上，就必須要接受懲罰，距離權重方向越遠，受的懲罰越大，以此來約束演算法向權重向量的方向生成解。
接下來是關於d1和d2兩個引數的計算表示式的含義說明，我依然是從幾何角度理解的。
d1——觀察d1的計算表示式，z*-f(x)可以看做原點到z*點的向量減去原點到f(x)的向量，得到的是從f(x)出發指向z*的乙個向量，暫且命名為μ，之後μ與λ相乘得到μ在λ方向上的投影，這個長度值與λ的長度值之比為d1。
d2——其表示式的含義其實也無非就是利用向量運算構造出d2所表示的向量，取模即可得到d2.構造過程如下：
z*表紅色向量，d1*λ表藍色向量（因為減法，所以方向取反），紅色減藍色得紫色向量，f(x)表綠色向量，綠色減紫色得黃色向量，即d2表黃色向量的長度。
參考部落格：
一種基於分解的多目標優化演算法 MOEA D
本次實驗以測試函式zdt1為例，用moea d演算法得到最佳帕累託解集。帕累託解 在約束空間之內，再也找不到比解a更好的解了，那麼a就是其中乙個帕累託最優解。zdt1測試函式 是乙個兩目標問題，其函式如下 moea d是一種基於分解的多目標進化演算法，它將多目標優化問題轉化為一系列單目標優化子問題，...
Spring DI的3種方式
前面講解ioc和di入門的時候，對表現層依賴的service物件，使用了setter方法進行注入，這裡對依賴注入的3中方式進行深入分析。依賴注入的3中方式 1 使用構造器注入 2 使用setter方法注入 3 使用介面注入 構造器注入 car類 public class car override p...
SVD分解的理解
對稱陣a 相應的，其對應的對映也分解為三個對映。現在假設有x向量，用 將其變換到 的列空間中，那麼首先由u 先對x做變換 由於正交陣 u的逆 u 對於兩個空間來講，新空間下的 基e 座標 x 原空間e 座標x 有如下關係 ex e x x e x x e 的逆 x x向量在新的 基 下的新座標 e的...