[发明专利]一种基于最坏情况遗传算法的设计方法

权利要求书

1.一种基于最坏情况遗传算法的设计方法，其特征在于：包括如下步骤：

S1.预先建立数字滤波器所需求解的最坏情况优化模型，所述模型包括：需要极大化的设计向量Y，用以滤波器最大误差幅值，即描述最坏情况；

需要极小化的设计向量X，用以描述需要优化的对象；

设计向量对应的取值范围；

模型求解的预定精度；

S2.根据设定的取值范围，随机生成1个极大化设计向量Y1，其应构成所述模型的一个设计变量空间，生成集合MY＝{Y1}；随机生成N个极小化设计向量(X1,X2,…,XN)，其应构成所述模型的一个设计变量空间，生成集合MX＝{X1,X2,…,XN}；

S3.将模型中的极大化设计向量Y分别设定为MY中的每一个向量，利用S1改进的遗传算法对S2中每个极小化设计向量X进行P次寻优及更新，并筛选全局最优解X*，计算最优值G；

S4.将模型中的极小化设计变量X设定为所述寻优得到的极小化设计向量X*，利用S1改进的遗传算法对极大化设计向量Y进行Q次最大化寻优得到最优解Y*，计算最优值G*；

S5.对所述最优值进行精度判定，若满足预定精度，则停止求解，该优化问题最优解为(X*,Y*)，最优值为G*；若不满足精度，则生成集合MY＝{Y*,MY}，并重新进行寻优及更新；

其中，所述利用改进遗传算法对每个极小化设计向量X进行P次寻优及更新过程中，每一次寻优及更新包括如下步骤：

S3－1.对当前每个极小化设计向量与MY中所有的设计向量进行适应度评估,筛选最优设计向量X*；

S3－2.对当前每个极小化设计向量进行交叉变异，更新当前极小化设计变量；其中，所述利用遗传算法对极大化设计向量Y进行Q次最大化寻优过程中，每一次寻优及更新包括如下步骤：

S4－1.对当前每个极大化设计向量与X*进行适应度评估,筛选适应度最大值的设计向量为最优设计向量Y*；

S4－2.对当前每个极大化设计向量进行交叉变异，更新当前极大化设计变量。

2.据权利要求1所述的一种基于最坏情况遗传算法的设计方法，其特征在于，在步骤S3－1中，利用改进遗传算法对最优向量进行筛选，包括如下步骤：

对当前每个极小化设计向量与MY中所有的设计向量进行适应度评估，取最大值为该极小化设计向量最优值；

对当前所有极小化设计向量最优值进行比较，取最小值为该次寻优最优值，该值对应极小化设计向量为最优解X*。

3.据权利要求1所述的一种基于最坏情况遗传算法的设计方法，其特征在于，在步骤S5中，对最优值进行精度判定方法，具体为如下公式进行判定：|G*-G|e,其中e为模型求解的预定精度。