[发明专利]一种基于并行协同演化的高维多目标优化算法

权利要求书

1.一种基于并行协同演化的高维多目标优化算法，其特征在于，包括以下步骤：

S1：设定目标个数M，最大评估次数MFE，初始化搜索一组解的初始种群P₁且种群大小为N₁，初始化寻找极值点的初始种群P₂且种群大小为N₂；

S2：生成一组方向向量W＝{w₁,w₂,…,w_2M}来引导种群来寻找极值点；

S3：从P₁中随机选出个体x₁，然后从P₁，P₂两个种群随机选择一个种群，再从该种群中随机选出个体x₂，对个体x₁和x₂进行交叉产生两个子代个体o₁和o₂，重复次产生子种群Q₁；

S4：从P₂中随机选出个体y₁，然后从P₁，P₂两个种群随机选择一个种群，再从该种群中随机选出个体y₂，对个体y₁和y₂进行交叉产生两个子代个体q₁和q₂,重复次产生子种群Q₂；

S5：将种群P₁，Q₁和Q₂进行合并，得到新种群R₁，然后使用基于帕累托占优的环境选择策略从合并种群R₁中选出个N₁个体，得到种群A₁，令P₁＝A₁；

S6：将种群P₂，Q₁和Q₂进行合并，得到新种群R₂，然后，基于切比雪夫方程，计算种群R₂中的每个个体的适应值，再根据适应值从小到大地对种群R₂中的个体进行排序，最后，选择从R₂中选出前N₂个个体，得到种群A₂，令P₂＝A₂；

S7：复步骤S3-S8直到评估次数达到MFE，输出种群P₁。

2.根据权利要求1所述的基于并行协同演化的高维多目标优化算法，其特征在于，所述步骤S2中生成方向向量W的过程是：

3.根据权利要求2所述的基于并行协同演化的高维多目标优化算法，其特征在于，所述步骤S6中计算个体的适应值Rank(x)的过程是：

其中，x是种群的个体，f_j(x)是个体x在第j个目标的值，是第i个权重方向w_i的第j个分量；

Rank(x)＝min{Index₁(x),Index₂(x),…,Index_2M(x)}

其中x是种群的个体，Index_i(x)为根据ASF_i值从小到大对种群R₂中的个体进行排序后个体x的下标。