[發(fā)明專利]基于深度搜索和高頻變異策略的非支配解排序方法無效
| 申請?zhí)枺?/td> | 201310000853.0 | 申請日： | 2013-01-04 |
| 公開（公告）號： | CN103020307A | 公開（公告）日： | 2013-04-03 |
| 發(fā)明（設(shè)計）人： | 王建軍;陳磊;閻昌琪;劉振海;孫立成;孫中寧 | 申請（專利權(quán)）人： | 哈爾濱工程大學 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 150001 黑龍江省哈爾濱市南崗區(qū)*** | 國省代碼： | 黑龍江;23 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 深度 搜索 高頻 變異 策略 支配 排序 方法 | ||
技術(shù)領(lǐng)域
本發(fā)明涉及的是一種多目標智能優(yōu)化方法，具體地說是一種在復(fù)雜約束條件下獲得非支配解的方法。
背景技術(shù)
最優(yōu)化問題是工程實踐和科學研究中的熱點問題。其中，僅有一個目標函數(shù)的最優(yōu)化問題被稱為單目標優(yōu)化問題，目標函數(shù)超過一個并且需要同時處理的最優(yōu)化問題被稱為多目標優(yōu)化問題。多目標優(yōu)化問題起源于實際復(fù)雜系統(tǒng)的設(shè)計、建模和規(guī)劃問題，所涉及的領(lǐng)域包括工業(yè)制造、城市運輸、資本預(yù)算、能量分配、城市布局等，在工程實踐和現(xiàn)實生活中的決策過程都存在多目標優(yōu)化問題。起初，多目標優(yōu)化問題往往通過加權(quán)等方式轉(zhuǎn)化為單目標問題，然后用數(shù)學規(guī)劃的方法來求解，每次只能得到一種權(quán)值情況下的最優(yōu)解。然而，對于大多數(shù)多目標優(yōu)化問題，往往存在這種情況：即一個解對于某個目標來說是最優(yōu)的，而對于其他目標則是較差的。因此，存在一個折中解的集合，被稱為非支配解集。同時，由于多目標優(yōu)化問題的目標函數(shù)和約束函數(shù)可能是非線性、不可微或不連續(xù)的，傳統(tǒng)的數(shù)學規(guī)劃方法往往效率較低，且它們對于權(quán)重值或目標給定的次序較敏感。
為突破權(quán)重值算法的局限性，Goldberg以遺傳算法為基礎(chǔ)，從非支配解的角度出發(fā)，提出了非支配解排序算法，并用于求解非支配解集。但是，從實際應(yīng)用效果來看，該算法存在兩個主要缺點：1）所得到的非支配解不精確；2）所得到的非支配解分散，不連續(xù)，即得到的非支配解不全面。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種在處理復(fù)雜約束的多目標問題時，能夠?qū)ふ业礁鼉?yōu)更全面的非支配解的基于深度搜索和高頻變異策略的非支配解排序方法。
本發(fā)明的目的是這樣實現(xiàn)的：
（1）隨機產(chǎn)生初始種群，存儲初始種群中滿足約束條件的第一批非支配解；
（2）依據(jù)約束條件，將滿足約束條件的個體分為一類，不滿足約束條件的個體分為另一類；
（3）對滿足約束條件的個體，確定非支配解，使其共享同一適應(yīng)值A(chǔ)1，并從余下個體中確定第二批非支配解，分配相應(yīng)適應(yīng)值，持續(xù)該過程，直至所有滿足約束條件個體被分配適應(yīng)值；
（4）生成序列：對不滿足約束條件的個體，依據(jù)不滿足約束條件的個數(shù)，由少到多進行排序，且滿足個數(shù)相同的個體，排在同一序列中；
（5）依據(jù)個體所被分配適應(yīng)值，采用輪盤賭準則選取父代個體進行雜交，以產(chǎn)生下一代個體；在所產(chǎn)生的子代個體中，隨機抽取個體參與變異；
（6）計算子代個體目標函數(shù)值及約束函數(shù)值，得到子代個體中滿足約束條件的第一批非支配解，并更新所存儲的非支配解集；
（7）計算所存儲非支配解集中各非支配解間的距離，令距離最遠的兩個個體雜交，產(chǎn)生新個體；如果新個體滿足約束條件，且比父代個體優(yōu)秀，則沿父代指向子代方向深度尋優(yōu)，保留更優(yōu)個體，并更新非支配解集；
（8）將現(xiàn)有非支配解個體克隆，變異克隆后所有個體，計算克隆變異后個體目標函數(shù)值和約束函數(shù)值，并通過排序方法得到克隆變異個體中滿足約束條件的第一批非支配解，并以此更新所存儲的非支配解群；
（9）下一代個體重復(fù)排序、雜交、變異和克隆變異過程，直至達到指定代數(shù)iter時，輸出所存儲的非支配解群。
本發(fā)明還可以包括：
1、所述適應(yīng)值按下式計算，
An＝A1-(n-1)*δA
式中：An為第n批非支配解的適應(yīng)值，δA為正實數(shù)、代表相鄰批次非支配解間的適應(yīng)值差值。
2、所述生成序列中，第一序列個體適應(yīng)值按式B1＝A1-N*δA計算，其它序列個體適應(yīng)值按式Bm＝B1-(m-1)*δA計算，
式中：B1為第一序列個體適應(yīng)值，N為第（3）步中非支配解總批次數(shù)，Bm為第m批次個體適應(yīng)值。
3、所述各非支配解間的距離按式計算，
式中：dis為兩非支配解間的距離，xi，yi分別代表兩非支配解優(yōu)化變量，p為優(yōu)化變量個數(shù)。
本發(fā)明中技術(shù)改進主要是：
（1）采用排序的方法，處理多目標優(yōu)化問題中的約束，為約束處理提供了一種新而有效方法。
（2）對所得到的非支配解進行操作，利用優(yōu)秀個體信息去得到更優(yōu)秀個體，并沿著更優(yōu)方向深度尋優(yōu)，從而提高算法精度；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于哈爾濱工程大學，未經(jīng)哈爾濱工程大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201310000853.0/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
