[發明專利]一種基于相似性度量的多目標優化方法

在審

• 申請號: 202111174737.1
• 申請日: 2021-10-09
• 公開（公告）號: CN113806965A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 張睿智;翟盛龍;率為朋;甘延朋;武鐵軍
• 申請（專利權）人: 浪潮云信息技術股份公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/04
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 馮春連

1.一種基于相似性度量的多目標優化方法，其特征在于，該方法針對一個多目標優化問題，首先采用切比雪夫分解策略將該多目標優化問題分解成N個標量子問題，每個子問題包含權值向量、目標函數值、鄰域、參考點和對應解集五個元素；隨后不斷更新子問題內的各元素來優化對應的目標函數，得到最終的Pareto解集，對Pareto解集中的解的組合進行相似性分析，選擇相似性最低的解的子集。

2.根據權利要求1所述的一種基于相似性度量的多目標優化方法，其特征在于，采用切比雪夫分解策略將多目標優化問題分解成N個標量子問題，具體操作包括：

步驟S1.1、設置權值向量[λ₁，λ₂，...，λ_N]^T作為一個均勻分布，將分解的N個標量子問題依次編號i＝1，...，N；

步驟S1.2、基于公式(3)，對所有的目標函數設置參考點z^*＝[z₁，z₂]^T：

z_i＝min(f_i¹(x)，...，f_i^N(x))i＝1，2.， 從式(3)，

由公式(3)可知，設置的參考點是N個子問題中對應的最小的目標函數；

步驟S1.3、基于公式(4)，計算子問題，設置鄰域：

每個子問題的鄰域是由距離該子問題最近的T個子問題組成，設置的鄰域記為NH(j)＝(j₁，j₂，...，j_T)，j代表子問題索引。

3.根據權利要求2所述的一種基于相似性度量的多目標優化方法，其特征在于，所述距離采用歐式距離，計算歐式距離時采用的是每個子問題兩個目標的權值，由于權值向量是不變的，所以每個子問題的鄰域是不變的，且隨著不斷地迭代，每個子問題的解會不斷地改進。

4.根據權利要求2所述的一種基于相似性度量的多目標優化方法，其特征在于，執行步驟S1.1過程中，設置權值向量[λ₁，λ₂，...，λ_N]^T作為一個均勻分布后，對每一個子問題隨機初始化一個解x_i，該解采用實數編碼，解的長度表示總的解的數量。

5.根據權利要求2所述的一種基于相似性度量的多目標優化方法，其特征在于，執行步驟S1.3時，需要計算子問題的單一目標，并將每一個單目標分配給對應子問題。