[发明专利]高维多目标的定向多种群混合进化方法

说明书

技术领域

本发明涉及的是一种优化方法，具体地说是针对高维多目标的优化方法。

背景技术

在多目标优化当中，一个子目标的改善有可能会引起另外一个或几个子目标的性能降低，为了达到总目标的最优化，通常需要对相互冲突的子目标进行综合考虑，即对各子目标进行折衷。因此，不同于单目标优化问题，多目标优化不存在绝对的或者说是唯一的最好解，而是存在一组由众多的Pareto最优解构成的最优解集。当目标的个数增加到4个或以上时（称为高维多目标），这些基于Pareto排序方法的性能将大大降低，这是因为随着目标数的增加，种群中个体间相互不支配的概率增加，使得用来表示Pareto前沿的非支配个体的数量呈指数增长，大大削弱了求解方法的选择压力和搜索能力。

为了有效地求解高维多目标优化问题，近年来学者们提出了多种高维多目标优化，归纳起来主要分为以下四类。第一类为权重系数法，该类方法通过设计一组权重系数将高维多目标优化问题转化成单目标优化问题，所引入的权重系数相当于引入了偏好信息，但该信息不够准确和全面，会导致寻优的结果偏离真正的Pareto前沿；第二类为降维法，该类方法在通过某种策略忽略或排除某些目标的情况下，比较各解之间的支配关系，但目标的减少会造成信息的丢失，所以该类方法是在最小允许误差下的优化，并且应用效果将受到Pareto前沿维数增加的影响；第三类为基于宽松支配法，该类方法的思想是在将个体的目标函数值按照一定的比例缩小或放大之后，再与其他个体进行支配比较，实际上是对Pareto支配的宽松改进，此类方法中的参数难以确定，而且改变了个体的真实目标函数值，会导致求解方法无法收敛到真实的Pareto前沿；第四类为分解方法，通过一组权重矢量将高维多目标优化问题转化成多个单目标优化问题同时求解，在解决高维多目标优化问题上取得了较好的效果，但其转化过程没有考虑各目标的取值范围的影响，且进化操作还不够完善导致收敛性不足并易陷入局部最优。

发明内容

本发明的目的在于提供降低了问题的求解难度，增强了全局搜索能力，克服了目标数量的影响的高维多目标的定向多种群混合进化方法。

本发明的目的是这样实现的：

本发明高维多目标的定向多种群混合进化方法，其特征是：

（1）针对优化问题F，包含的目标数为M，需求得的解个数为N，设置一个空的规模为N×M的弧度矩阵Ψ，确定弧度矩阵Ψ内的元素值：矩阵Ψ第一行的元素将弧度区间评分为M份，取元素元素在元素上累加之后的元素重复同样的操作，即得到矩阵Ψ的第一行；矩阵Ψ第二行到第N行的元素都是对上一行对应列的元素累加步长得到，即重复此操作N-1次得到完整的矩阵Ψ，用弧度对弧度矩阵Ψ内的所有元素进行截断，小于等于的元素保持不变，大于的元素重新赋值为设置另外一个空的规模为N×M的方向矩阵V，令矩阵V中的元素