[發(fā)明專利]基于CNN的二決策變量?jī)?yōu)化問(wèn)題連續(xù)式尋優(yōu)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201711249110.1
• 申請(qǐng)日: 2017-12-01
• 公開(kāi)（公告）號(hào): CN107977705A
• 公開(kāi)（公告）日: 2018-05-01
• 發(fā)明（設(shè)計(jì)）人: 陳達(dá)權(quán);黃運(yùn)保;李海艷
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 羅滿

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，特別是涉及一種基于CNN的二決策變量?jī)?yōu)化問(wèn)題連續(xù)式尋優(yōu)方法及裝置。

背景技術(shù)

隨著計(jì)算機(jī)應(yīng)用技術(shù)的快速發(fā)展，對(duì)優(yōu)化問(wèn)題的研究也受到越來(lái)越多的關(guān)注。現(xiàn)實(shí)世界中有著大量的優(yōu)化問(wèn)題，對(duì)于優(yōu)化問(wèn)題的解決主要可以分為兩個(gè)步驟。第一步是針對(duì)給定的一個(gè)實(shí)際優(yōu)化問(wèn)題，通過(guò)數(shù)學(xué)建模的方式將其轉(zhuǎn)換為有著規(guī)范函數(shù)表達(dá)的優(yōu)化問(wèn)題，也就是定義決策空間、目標(biāo)空間以及兩者之間的映射關(guān)系；第二步是在上一步中獲得的規(guī)范函數(shù)表達(dá)的優(yōu)化問(wèn)題基礎(chǔ)上，通過(guò)計(jì)算的方式求得其最優(yōu)解。

優(yōu)化問(wèn)題依據(jù)決策變量是否連續(xù)可以分為兩大類。決策變量是連續(xù)的，那么優(yōu)化問(wèn)題是連續(xù)優(yōu)化問(wèn)題；決策變量是離散的，那么優(yōu)化問(wèn)題是組合優(yōu)化問(wèn)題。優(yōu)化問(wèn)題依據(jù)是否有約束，可以分為有約束的和無(wú)約束的。依據(jù)目標(biāo)變量的個(gè)數(shù)，可以分為單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化。

優(yōu)化問(wèn)題的求解有兩大類方法，包括解析方法和數(shù)值方法。

解析方法是通過(guò)嚴(yán)格的數(shù)學(xué)證明與推導(dǎo)，得到精確的最優(yōu)解，僅能解決一些典型的優(yōu)化問(wèn)題，在實(shí)際問(wèn)題上往往難以應(yīng)用。數(shù)值方法是通過(guò)設(shè)計(jì)恰當(dāng)?shù)牡闶剑ㄟ^(guò)一系列迭代，得到近似最優(yōu)解，對(duì)優(yōu)化問(wèn)題要求很低，只需要給定一個(gè)決策向量、優(yōu)化問(wèn)題可以反饋一個(gè)目標(biāo)向量，即優(yōu)化問(wèn)題可以是一個(gè)黑盒問(wèn)題、無(wú)需明顯的表達(dá)式，適合求解實(shí)際問(wèn)題。

傳統(tǒng)的數(shù)值優(yōu)化方法，如牛頓法等，容易陷入問(wèn)題的局部最優(yōu)；而廣義的進(jìn)化算法(包括進(jìn)化算法和群智能算法)通過(guò)模擬生物群體行為特性或是事物的發(fā)展與結(jié)構(gòu)特性，設(shè)計(jì)迭代算式，全局搜索能力較強(qiáng)，但求解復(fù)雜的優(yōu)化問(wèn)題時(shí)耗時(shí)較長(zhǎng)且近似最優(yōu)解的精度不夠，若模型參數(shù)設(shè)計(jì)不合理則出現(xiàn)求解不出近似最優(yōu)解的情況，另外，對(duì)于有約束的優(yōu)化問(wèn)題，模型設(shè)計(jì)的難度將大大增加且模型參數(shù)難以確定，使得求解出來(lái)的解效果較差，難以滿足實(shí)際問(wèn)題要求。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于CNN的二決策變量?jī)?yōu)化問(wèn)題連續(xù)式尋優(yōu)方法及裝置，以對(duì)二決策變量連續(xù)型優(yōu)化問(wèn)題進(jìn)行快速準(zhǔn)確尋優(yōu)。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：

一種基于CNN的二決策變量?jī)?yōu)化問(wèn)題連續(xù)式尋優(yōu)方法，包括：

步驟A：根據(jù)待處理的二決策變量單目標(biāo)連續(xù)型優(yōu)化問(wèn)題，確定待優(yōu)化函數(shù)R＝g(x1,x2)；其中，x1、x2為決策變量，R為優(yōu)化目標(biāo)；

步驟B：在待優(yōu)化領(lǐng)域Db中，獲取所述待優(yōu)化函數(shù)的待優(yōu)化目標(biāo)點(diǎn)云組，所述待優(yōu)化目標(biāo)點(diǎn)云組包含p個(gè)待優(yōu)化目標(biāo)點(diǎn)云；其中，所述待優(yōu)化領(lǐng)域Db中，x1∈[a1,b1]，x2∈[a2,b2]；

步驟C：將p個(gè)待優(yōu)化目標(biāo)點(diǎn)云的x1值及x2值按由小至大的方式分別進(jìn)行排序，將x1值映射為其在排序中的序號(hào)x1'，將x2值映射為其在排序中的序號(hào)x2'，并創(chuàng)建映射表存儲(chǔ)x1值與x1'的關(guān)系，x2值與x2'的關(guān)系，x1、x2與R的關(guān)系；

步驟D：選取每個(gè)待優(yōu)化目標(biāo)點(diǎn)云的x1'值及x2'值作為代表相應(yīng)待優(yōu)化目標(biāo)點(diǎn)云的兩個(gè)特征，創(chuàng)建所述待優(yōu)化目標(biāo)點(diǎn)云組的二維矩陣kk；其中，x1'為所述二維矩陣kk的行序號(hào)，x2'為所述二維矩陣kk的列序號(hào)，所述二維矩陣kk上第x1'行第x2'列的值為查所述映射表所得的R值；

步驟E：將所述二維矩陣kk輸入到預(yù)先訓(xùn)練獲得的CNN二決策變量連續(xù)式尋優(yōu)器中，獲得所述二維矩陣kk中最值點(diǎn)的x1'值為x01'、x2'值為x02'及R值；

步驟F：按照預(yù)設(shè)的第一映射關(guān)系，將x1'值映射為X1，將x2'值映射為X2；

步驟G：輸出優(yōu)化結(jié)果為：當(dāng)x1取X1，x2取X2時(shí)達(dá)到全局最優(yōu)R。

在本發(fā)明的一種具體實(shí)施方式中，所述步驟B：在待優(yōu)化領(lǐng)域Db中，獲取所述待優(yōu)化函數(shù)的待優(yōu)化目標(biāo)點(diǎn)云組，包括：

在待優(yōu)化領(lǐng)域Db中，采集p個(gè)所述待優(yōu)化函數(shù)的待優(yōu)化目標(biāo)點(diǎn)云；

如果p大于n*n，則在采集到的待優(yōu)化目標(biāo)點(diǎn)云中選取n*n個(gè)待優(yōu)化目標(biāo)點(diǎn)云，構(gòu)成待優(yōu)化目標(biāo)點(diǎn)云組，并令p等于n*n；

如果p不大于n*n，則采集到的待優(yōu)化目標(biāo)點(diǎn)云直接構(gòu)成所述待優(yōu)化目標(biāo)點(diǎn)云組。

在本發(fā)明的一種具體實(shí)施方式中，通過(guò)以下步驟預(yù)先訓(xùn)練獲得所述CNN二決策變量連續(xù)式尋優(yōu)器：

步驟H：選取一個(gè)目標(biāo)二維函數(shù)Z＝F(x,y)，在訓(xùn)練領(lǐng)域Da上均勻采集該目標(biāo)二維函數(shù)的目標(biāo)二維函數(shù)點(diǎn)云組，所述目標(biāo)二維函數(shù)點(diǎn)云組包含n*n個(gè)目標(biāo)二維函數(shù)點(diǎn)云，所述訓(xùn)練領(lǐng)域Da中，x∈[a,b]，y∈[c,d]；

步驟I：根據(jù)預(yù)設(shè)的第二映射關(guān)系，將x值映射為x'，將y值映射為y'；