[發(fā)明專利]結(jié)合熱力學(xué)遺傳算法的多目標(biāo)優(yōu)化方法

無效

• 申請?zhí)枺?/td>: 201110312847.X
• 申請日: 2011-10-14
• 公開（公告）號: CN102360456A
• 公開（公告）日: 2012-02-22
• 發(fā)明（設(shè)計）人: 胡靜
• 申請（專利權(quán)）人: 上海電機學(xué)院
• 主分類號: G06N3/12
• 分類號: G06N3/12
• 代理公司: 上海思微知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31237
• 代理人: 鄭瑋

技術(shù)領(lǐng)域

本發(fā)明屬于多目標(biāo)優(yōu)化技術(shù)領(lǐng)域，涉及一種多目標(biāo)優(yōu)化方法，尤其涉及一 種結(jié)合熱力學(xué)遺傳算法的多目標(biāo)優(yōu)化方法。

背景技術(shù)

在實際生活中，多目標(biāo)優(yōu)化(Multobjective?Optimization，簡稱MO)是工程 應(yīng)用中常見的難題。傳統(tǒng)的數(shù)學(xué)規(guī)劃方法在問題復(fù)雜、非線性時無能為力。近 幾年，人們開始將注意力投向利用遺傳算法(Genetic?Algorithm，簡稱GA)來解 決多目標(biāo)優(yōu)化，期望這種全局并行搜索技術(shù)能找到一個較好的Pareto優(yōu)集，作為 MO問題的一個解集。

國際上這方面的研究剛剛開始，提出了一些解決方法。但到目前為止，解 決MO問題做得較好的是利用遺傳算法和Pareto排序相結(jié)合的技術(shù)，這種技術(shù)的 優(yōu)點是可以在Pareto集的全部區(qū)域上探測，不足是所求的Pareto優(yōu)集分布不均勻， 包含的Pareto最優(yōu)解較少，導(dǎo)致的根本原因就是遺傳算法的“未成熟收斂”性。

此外，模擬退火(Simulated?Annealing，簡稱SA)是一種能達(dá)到全局極優(yōu)的 方法，將SA與GA結(jié)合克服GA未成熟收斂的工作已有一些，如Mahfoud等人的工 作。但目前這些方法主要都是將SA與GA混合，即在優(yōu)化過程中交替使用SA和 GA。還很少有工作研究如何將SA的全局收斂性導(dǎo)入到GA中，構(gòu)造GA與SA的結(jié) 合，使GA在選擇個體時，不僅考慮到適應(yīng)度，還考慮到SA的自由能。

現(xiàn)有解決MO問題的方法中，測試?yán)又械慕獠荒軠?zhǔn)確落在Pareto優(yōu)集上的 原因在于：現(xiàn)有的算法在選擇優(yōu)良個體時，個體是否會被選中生存下來，是與 前面已經(jīng)生存下來的個體有關(guān)的。即，如果已經(jīng)被選中的個體中有比較差的(算 法不保證不選差的個體，只需個體和已入選的個體之間沒有支配關(guān)系，并且在 入選后群體熵最大就可被選中)，而這些差的個體有可能支配那些優(yōu)良的個體， 從而抑制優(yōu)良個體的入選。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是：提供一種結(jié)合熱力學(xué)遺傳算法的多目標(biāo)優(yōu) 化方法，可以獲得一個較好的Pareto優(yōu)集。

為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：

一種結(jié)合熱力學(xué)遺傳算法的多目標(biāo)優(yōu)化方法，所述方法包括如下步驟：

步驟S1、初始化群體大小Np、進(jìn)化的代數(shù)Ng、溫度T；

步驟S2、令t＝0，生成初始群體P(t＝0)；

步驟S3、在P(t)中選擇一個個體作為精英elite保留；

步驟S4、將群體P(t)中的個體隨機配對，應(yīng)用交叉算子于所有配對個體對 得到Np個子代個體；然后對Np個父代個體和Np個子代個體進(jìn)行變異操作， 得到一個包含2Np個個體的中間群體P`(t)；

步驟S5、令i＝1，P(t+1)＝{elite}；

步驟S6、令P(t+1，i，h)表示已選好的屬于P(t+1)的i-1個個體，以及屬于中間 群體P`(t)的第h個個體；計算群體P(t+1，i，h)的自由能F，其中h＝1，2，...，2Np；

其中，H_k(i，h)＝-p_k(i，h)logp_k(i，h)；

p_k(i，h)是群體P`(t)中第h個個體和群體P(t+1)的第k個個體之間海明碼距與 個體編碼長度的比值；在群體P`(t)尋找h使得自由能F，F(xiàn)達(dá)到最小，并將此第 h個個體加入P(t+1)，作為群體P(t+1)的第i個個體；允許選擇相同的個體；

步驟S7、令i＝i+1，如果i＜Np，跳轉(zhuǎn)到步驟S6；否則轉(zhuǎn)至步驟S8；

步驟S8、令t＝t+1，如果t＜Ng，跳轉(zhuǎn)到步驟S3，否則結(jié)束。

作為本發(fā)明的一種優(yōu)選方案，所述步驟S2具體為：令t＝0，隨機生成初始 群體P(t＝0)。

所述方法作為圖像識別方法的一部分，或者作為語音識別方法的一部分， 或者作為數(shù)據(jù)挖掘方法的一部分，或者作為機器人控制方法的一部分。