[发明专利]一种基于改进upsemoa算法的导联选择方法

权利要求书

1.一种基于改进upsemoa算法的导联选择方法，其特征在于：包括如下步骤：

(1)获取种群：获取输入参数，输入参数包括种群最小规模miSize、父代基向量数burstSize、个体长L，在给定的搜索空间中，随机地生成miSzie个长度为L的个体，构成种群P；

(2)初始判断：判断种群P是否第一代，如不是则将输出的子代种群C合并至种群P中，然后初始化非劣解集合T；

(3)挑选集合：从种群P中挑选出非劣解集合Te；

(4)拥挤度排序：对非劣解集合T作拥挤度比较排序；

(5)挑选合并：判断非劣解集合T数量是否达到种群最小规模miSize，如达到则进入下一步，如未达到则从挑选出非劣解集合Te中挑选个体至非劣解集合T中，并同时将非劣解集合Te从种群P中排除，然后返回至步骤(3)；

(6)挑选父代基向量：从非劣解集合T中选择burstSize个个体作为父代基向量Pa；

(7)选择子代种群：采用差分变化遍历计算非劣解集合T和父代基向量Pa中的个体，得到子代种群C；

(8)判断结束：判断是否种群C不再变化或迭代达到最大次数，如是则输出子代种群C，如否则返回至步骤(2)。

2.如权利要求1所述的基于改进upsemoa算法的导联选择方法，其特征在于：所述步骤(4)中采用NSGA-II算法进行拥挤度计算。

3.如权利要求1所述的基于改进upsemoa算法的导联选择方法，其特征在于：所述步骤(7)中采用差分变化计算，是利用差分进化算法中的变异和交差的操作进行计算。

4.如权利要求3所述的基于改进upsemoa算法的导联选择方法，其特征在于：所述变异操作是指采用如下公式进行计算：

x_i^t+1＝x_a^t+F(x_b^t-x_c^t)

其中，种群中的第i个体表示为x_i^t＝{x_i,1^t,x_i,2^t,…x_i,m^t}，x_i^t为t代种群中的个体，x_i^t+1为生成的变异个体，F是缩放因子，式中满足条件a,b,c∈{1,2,…n}，且三者互不相等，与i也不同。

5.如权利要求3所述的基于改进upsemoa算法的导联选择方法，其特征在于：所述交差的操作是指采用如下公式进行计算：

其中，rand(j)是一个在[0，1]的均匀分布的随机数，P_c是交叉概率，x_i^t为t代种群中的个体，x_i^t+1为在变异操作中生成的变异个体。

6.如权利要求5所述的基于改进upsemoa算法的导联选择方法，其特征在于：所述P_c预先设定，且在[0，1]内。

7.如权利要求1所述的基于改进upsemoa算法的导联选择方法，其特征在于：所述步骤(2)中，初始化非劣解集合T前，先用双目标函数评估种群P所有个体的适应度，双目标函数f₁和f₂均由步骤(1)中的输入参数得到，输入参数包括种群最小规模miSize、父代基向量数burstSize、个体长L、目标函数f₁、目标函数f₂。

8.如权利要求1所述的基于改进upsemoa算法的导联选择方法，其特征在于：所述步骤(3)具体采用如下步骤：

(3.1)采用快速排序算法对种群P进行预排序，得到有序序列L；

(3.2)初始化非劣解集合R；

(3.3)将有序序列L中首元素合并至非劣解集合R中；

(3.4)遍历有序序列L，判断有序序列L中的元素it是否小于等于目标计算值，如小于则将该元素it合并至非劣解集合R中，目标计算值为采用目标函数对非劣解集合R进行计算得到的计算结果中的最小值，目标函数由步骤(1)中的输入参数得到；

(3.5)输出非劣解集合R。