[發明專利]非對稱負相關搜索方法

有效

• 申請號: 201910559830.0
• 申請日: 2019-06-24
• 公開（公告）號: CN110263906B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 陳恩紅;劉淇;于潤龍;葉雨揚
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;鄭哲

1.一種非對稱負相關搜索方法，其特征在于，應用于最優經濟調度問題中電力設備的折損計算時，目標是最小化電力設備的折損f(x)，x表示每臺發電機的發電功率；建模過程，個體的向量屬性即為x值，多個個體即表示多種不同的機組發電機的發電功率，每種機組發電機的發電功率產生電力設備的折損即為相應的適應度，最優解即為能夠使電力設備的折損最小的一種機組發電機的發電功率，也即搜索結果；應用于最小化汽車流體設計的空氣阻力時，x表示汽車的外型設計參數，f(x)表示由空氣環境仿真系統來模擬實際空氣阻力；建模過程，個體的向量屬性即為x值，多個個體即表示多種不同的汽車外型，每種汽車外型造成汽車所受的空氣阻力即為相應的適應度最優解即為能夠使汽車所受的空氣阻力最小的一種汽車外型的設計參數，也即搜索結果；包括：

設定初始種群，將初始種群中的每一個體記為父代，并將每一個體建模成一個搜索進程，記錄初始種群的最優解以及對應的適應度值作為歷史最優解；其中，將問題對象形式化為實值優化問題，一個實值優化問題定義為一對(S，f)，其中非空實值域S表示實值優化問題的解空間或搜索空間，f：是優化問題的目標函數，用于評估解，表示實值域；求解一個實值優化問題即為在解空間或搜索空間找到一個解集，解集中的每一個元素x^*均為一個D維實值向量，且有f(x^*)≤f(x)，從解集選擇若干個元素，每一元素作為一個個體，從而構建初始種群；

將個體變異算子作用于父代產生子代種群，記錄子代種群的最優解以及相對應的適應度值，如果子代種群的最優解優于歷史最優解的適應度，則更新歷史最優解；

基于探索與利用的平衡策略考察子代種群的子代個體相對于其父代個體的相關性值，從而計算每一個體的相關性值；

將子代個體及其父代個體的適應度與相關性值做歸一化處理，并基于子代個體歸一化后的適應度與相關性值的關系，判斷是否用子代個體替換其父代個體，從而完成初始種群的更新；

如果未滿足停止條件，則利用更新后的種群產生新的子代種群，并重復以上過程來進行種群的更新；如果滿足停止條件，則利用更新后的種群獲得搜索結果；

所述基于探索與利用的平衡策略考察子代種群的子代個體相對于其父代個體的相關性值，從而計算每一個體的相關性值包括：

每一個體建模成一個搜索進程，將每一個搜索進程的搜索行為建模為概率分布，利用搜索進程搜索范圍的相對大小，將搜索行為進一步劃分為全局搜索行為和局部搜索行為，并假設具有全局搜索行為的搜索進程盡可能遠離具有局部搜索行為的搜索進程，具有局部搜索行為的個體不受到具有全局搜索行為的個體的影響，從而計算每一個體的相關性值。

2.根據權利要求1所述的一種非對稱負相關搜索方法，其特征在于，所述將個體變異算子作用于父代產生子代種群包括：

所述個體變異算子包括：高斯變異算子；

對于一個父代個體x_i，高斯變異算子基于下式產生新的子代個體x’_i：

x'_id＝x_id+Ν(0,σ_i)

其中，x_id表示父代個體x_i的第d維分量，N(0,σ_i)表示一個均值為0且標準差為σ_i的高斯隨機分布。

3.根據權利要求1所述的一種非對稱負相關搜索方法，其特征在于，

將每一個搜索進程的搜索行為建模為概率分布，即以相應個體的D維實值向量為分布的均值，高斯變異算子的標準差為分布的標準差；

根據標準差的大小來區分相應搜索行為為全局搜索行為或局部搜索行為；

如果標準差大于設定值，則認為相應搜索行為為全局搜索行為，說明其搜索方向不明顯，計算對應個體與其周圍個體搜索行為的巴氏距離，選擇最近距離為對應個體的相關性值；

如果標準差小于設定值，則認為相應搜索行為為局部搜索行為，設置相關性值為缺省值。