[发明专利]基于强化学习的多目标进化算法

权利要求书

1.基于强化学习的多目标进化算法，其特征在于，包括如下步骤：

步骤1、从搜索空间中随机生成初始种群；

步骤2、对所求得的种群根据评估准则进行评价；

步骤3、更新搜索到的目标函数的最佳值；

步骤4、利用产生的近似解Z*和终止条件进行比较判断，满足就结束；对不满足终止条件的种群，利用强化学习RL控制器选择的DEvariant算子和T算子产生新的值，并对其与邻域的值进行交叉，变异产生新解；

步骤5、产生的新解与原种群的解进行比较，选择使子问题函数满足最优值的解，来更新种群；

步骤6、利用产生的新种群，计算出新的5维观察向量和回报值R，进而更新RL控制器的状态，判断是否满足终止条件，不满足则不断进行迭代计算，直到满足终止条件，结束。

2.根据权利要求1所述的基于强化学习的多目标进化算法，其特征在于，所述步骤1的具体步骤为：

步骤1.1、计算任意两个权重向量间的欧式距离，查找每个权重向量最近的T个权重向量，其中T是每一个邻域中的权重向量的个数，对于每个i＝1,…,N，令Bi＝{i1,…,iT}，λi1,…λiT是λi最近的T个权重向量；

步骤1.2、建立一个外部种群EP，用于存储搜索最优解过程中找到的非支配解，初始化EP为空；

步骤1.3、从搜索空间中均匀随机采集生成使目标函数F(X)＝(f1(x),f2(x),…,fi(x))取最优值的解作为初始种群，其中i＝1,2,...,m；X为一组决策向量，x是自变量；

步骤1.4、利用切比雪夫方法，将目标函数F(X)分解成N层子问题：其中，第i个子问题的相邻关系由所有的子问题关于λi点的权重向量来表示，Z*是目前能搜索到的目标函数的最优向量值，也称为近似解,Z*＝min{(f1(x),f2(x),…,fi(x))}。

3.根据权利要求2所述的基于强化学习的多目标进化算法，其特征在于，所述步骤4中产生的值与其邻域的值进行如下运算，产生新解：步骤4.1选择运算：从B(i)中随机选取两个序号h,k,运用遗传算子由xh和xk产生一个新的值，其中xh是第h个子问题的当前的最优解，和xk是第k个子问题的当前的最优解；把产生的值与其邻域的值进行比较，进行优胜略汰操作，选择适应度高的优秀的值留下来，遗传到下一代；

步骤4.2交叉运算：对种群中的个体进行配对，进行基因的交叉操作，产生新的个体；

步骤4.3变异运算：对基因值进行低概率的变动操作。

4.根据权利要求3所述的基于强化学习的多目标进化算法，其特征在于，所述步骤6中回报值R由以下公式得出：

R = Σ i = 1 N g t e ( X t - 1 i | λ i , z * ) - g e t ( X t i | λ i , z * ) g t e ( X t - 1 i | λ i , z * ) . ]]>