[發明專利]一種基于昂貴多目標優化問題的優化方法及系統

在審

• 申請號: 201710995223.X
• 申請日: 2017-10-23
• 公開（公告）號: CN107844855A
• 公開（公告）日: 2018-03-27
• 發明（設計）人: 駱劍平;薛虎
• 申請（專利權）人: 深圳大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙)44268
• 代理人: 王永文,劉文求

技術領域

本發明涉及區間多目標優化技術領域，具體涉及一種基于昂貴多目標優化問題的優化方法及系統。

背景技術

現有技術中，在實際應用中,區間多目標優化問題普遍存在，在日常生活中，經常要求不止一項指標達到最優，往往要求多項指標同時達到最優，大量的問題都可以歸結為一類在某種約束條件下使多個目標同時達到最優的多目標優化問題；例如，在機械加工時，在進給切削中，為選擇合適的切削速度和進給量，提出目標：1.機械加工成本最低，2.生產率高，3.刀具壽命最長，同時還要滿足進給量小于加工余量、刀具強度等約束條件，一個參數就相當于一個目標(一個目標對應一個目標函數)；再例如，在車輛尋找路線時，提出目標：1.路況最好，2.時間最短，3.成本最低等；針對上述的多個目標的優化問題，如果每一個目標進行分別建立獨立的代理模型，在數據量較小的時候會導致模型建立不夠準確，且成本昂貴。

所以，現有技術中，對于昂貴多目標(此處的昂貴多目標中的昂貴是指單獨對每個目標函數進行建模優化時成本較高的意思)優化問題(Expensive multiobjective optimization problems)，基于高斯過程(Gaussian Process，GP)建模的代理模型優化是其主要優化方法，其主要的思路是對每一個昂貴優化目標函數分別建立高斯代理模型，然后再采用一些進化算法進行基于建立的代理模型的預測和優化；該方法主要的缺點是對每個目標分別建立獨立的代理模型，在數據量較小的時候會導致模型建立不夠準確；另一種改進的思路是采用多任務高斯過程(Multiple Task GP，MTGP)對多個目標聯合建模來增加建模的數據數量，但是，由于目標之間缺少相關性，聯合建模往往會使建立的模型更加不準確，從而影響到后面進化算法的預測準確度及優化效率。

因此，現有技術還有待于改進和發展。

發明內容

本發明要解決的技術問題在于，針對現有技術的上述缺陷，提供一種基于昂貴多目標優化問題的優化方法及系統，旨在優化環節，利用建立的多任務高斯過程模型對每個任務進行預測，然后通過逆映射將任務預測值映射到目標預測值，達到避免計算昂貴目標函數的目的，最后輸出優化結果；通過將多個不相關的目標函數映射到一組存在相關性或相似性的任務系列中，然后利用MTGP將這些任務系列進行聯合建模產生MTGP模型，有效利用任務系列之間的相似性來提高模型的準確度，同時在數據量較小時能有效增加訓練的數據樣本降低了同一任務中多個不相關目標優化的成本。

本發明解決技術問題所采用的技術方案如下：

一種基于昂貴多目標優化問題的優化方法，其中，所述基于昂貴多目標優化問題的優化方法包括：

當一個任務中多個目標同時達到預設要求時，將多個不相關的目標對應的目標函數通過映射進行轉換；

將目標函數通過映射轉換到一組具有相關性或者相似性的任務系列中對多個不相關的目標函數進行關聯；

將具有相似性或相關性的任務系列進行聯合建模，生成多任務高斯過程模型對目標進行預測，并輸出優化結果。

所述的基于昂貴多目標優化問題的優化方法，其中，所述將具有相似性或相關性的任務系列進行聯合建模，生成多任務高斯過程模型對目標進行預測，并輸出優化結果還包括：

對所述多任務高斯過程模型通過逆向映射獲取所有目標函數的預測值，對所有目標函數進行預測。

所述的基于昂貴多目標優化問題的優化方法，其中，所述當一個任務中多個目標同時達到預設要求時，將多個不相關的目標對應的目標函數通過映射進行轉換包括以下步驟：

預先設置所述一個任務中多個目標同時要達到的預設要求；

獲取所述一個任務中多個不相關的目標，建立每一個目標對應的目標函數；

將多個不相關的目標函數進行映射轉換。

所述的基于昂貴多目標優化問題的優化方法，其中，所述將目標函數通過映射轉換到一組具有相關性或者相似性的任務系列中對多個不相關的目標函數進行關聯包括以下步驟：

當將多個不相關的目標函數進行映射轉換后，多個不相關的目標函數集中到一組具有相關性或者相似性的任務系列中；

當轉換得到所述任務系列后，多個不相關的目標函數完成關聯操作。

所述的基于昂貴多目標優化問題的優化方法，其中，所述將具有相似性或相關性的任務系列進行聯合建模，生成多任務高斯過程模型對目標進行預測，并輸出優化結果包括以下步驟：

根據轉換得到的具有相關性或者相似性的任務系列，進行高斯聯合建模；