[发明专利]基于微分流形场的高维多目标优化方法、系统、介质及终端

权利要求书

1.一种基于微分流形场的高维多目标优化方法，其特征在于：包括以下步骤：

步骤S1、获取父代种群；

步骤S2、基于交叉变异由所述父代种群生成子代种群；

步骤S3、对子代种群进行非支配排序，根据排序将其分成l层，并构建预设数量的参考线；

步骤S4、对于第l-1层的每个子代种群个体，根据计算所述子代种群个体与每个参考线的距离，并选出与每个参考线最近的种群个体；其中n为高维空间中解的维度，|Δd_i|是所述子代种群个体与第i个参考线的欧式距离；

步骤S5、对于每个参考线，将每个与该参考线最近的子代种群个体映射为三维空间的一个线元，并将所述线元构建为线性丛；计算每个与该参考线最近的子代种群个体的分布性DivVec(r_i)＝1/IntenVec(r_i)，其中，r_i为第i条参考线，M为与参考线r_i距离最近的子代种群个体的个数，v_k为每个与该参考线最近的子代种群个体对应的线元的线元矢量；

步骤S6、选取所述分布性最大的子代种群个体进入下一代种群，重复迭代步骤S2-步骤S5，直至迭代次数达到预设次数。

2.根据权利要求1所述的基于微分流形场的高维多目标优化方法，其特征在于：所述步骤S5中，通过Plücker坐标，根据和λ_i＝p_i·l_i将每个与该参考线最近的子代种群个体映射为三维空间的一个线元，其中，p_i为第l-1层的一个种群个体，l_i为经过p_i并与参考线r_i垂直的直线。

3.根据权利要求1所述的基于微分流形场的高维多目标优化方法，其特征在于：步骤S5中，所述线元矢量其中，r_k为第k条参考线，p_k为第k-1层的一个种群个体。

4.根据权利要求1所述的基于微分流形场的高维多目标优化方法，其特征在于：所述预设次数为1000次。

5.一种基于微分流形场的高维多目标优化系统，其特征在于：包括获取模块、交叉变异模块、排序模块、第一计算模块、第二计算模块和迭代模块；

所述获取模块用于获取父代种群；

所述交叉变异模块用于基于交叉变异由所述父代种群生成子代种群；

所述排序模块用于对子代种群进行非支配排序，根据排序将其分成l层，并构建预设数量的参考线；

所述第一计算模块用于对于第l-1层的每个子代种群个体，根据计算所述子代种群个体与每个参考线的距离，并选出与每个参考线最近的种群个体；其中n为高维空间中解的维度，|Δd_i|是所述子代种群个体与第i个参考线的欧式距离；

所述第二计算模块用于对于每个参考线，将每个与该参考线最近的子代种群个体映射为三维空间的一个线元，并将所述线元构建为线性丛；计算每个与该参考线最近的子代种群个体的分布性DivVec(r_i)＝1/IntenVec(r_i)，其中，r_i为第i条参考线，M为与参考线r_i距离最近的子代种群个体的个数，v_k为每个与该参考线最近的子代种群个体对应的线元的线元矢量；

所述迭代模块用于选取所述分布性最大的子代种群个体进入下一代种群，重复迭代所述交叉变异模块、所述排序模块、所述第一计算模块和所述第二计算模块，直至迭代次数达到预设次数。

6.根据权利要求5所述的基于微分流形场的高维多目标优化系统，其特征在于：所述第二计算模块中，通过Plücker坐标，根据和λ_i＝p_i·l_i将每个与该参考线最近的子代种群个体映射为三维空间的一个线元，其中，p_i为第l-1层的一个种群个体，l_i为经过p_i并与参考线r_i垂直的直线。