[发明专利]双目标非支配排序遗传算法的渐进约束支配法则

说明书

本发明公开了一种双目标非支配排序遗传算法的渐进约束支配法则，是通过对优化目的建立约束条件与目标函数，通过计算种群R_a中每个个体x_ai的目标函数，在约束条件下求得各个体x_ai的总渐进反约束度和渐进被支配数，根据所得渐进被支配数对种群R_a进行分集排序，以排序后的种群U’_a中前M个个体作为下一代的父代种群，计算该下一代父代种群生成的种群R_a+1中各个体的目标函数以输出新的父代种群，直至满足迭代终止条件，输出最终种群，得优化结果。与现有技术相比，本发明利用种群进化过程中不可行解的信息，避免解集陷入局部最优解，并拥有较快的收敛速度，从而提高了算法在可行域内的寻优能力。

技术领域

本发明涉及约束多目标进化算法领域，尤其涉及一种双目标非支配排序遗传算法的渐进约束支配法则。

背景技术

近年来，多目标优化算法获得了广泛的应用，其中尤以非支配排序遗传算法具有求解质量好等特点而成为研究的重点。然而在求解约束多目标优化问题时，非支配排序遗传算法所采用的经典Deb约束支配法则虽具有简单且不需要额外参数的优点，但容易陷入局部最优解。

目前国内外在有关于非支配排序遗传算法的约束处理法则方面已开展了系列研究，提出了诸如基于罚函数的约束处理法则、基于双种群的约束处理法则等相关法则，虽取得了一定的效果，但仍存在不足；如基于罚函数的约束处理法则受参数的影响较大，若参数设置不当则会造成解集陷入局部最优解；基于双种群的约束处理法则虽然其解集不易陷入局部最优解，但收敛速度慢。

发明内容

针对现有技术存在的上述问题，本发明提供一种双目标非支配排序遗传算法的渐进约束支配法则，利用该法则可使其进化过程充分利用种群中不可行解的信息，可有效避免解集陷入局部最优解，并拥有较快的收敛速度，从而提高了算法在可行域内的寻优能力。

本发明提出的一种双目标非支配排序遗传算法的渐进约束支配法则，所述法则先对优化目的建立约束条件与双目标对应的目标函数；计算第a代种群R_a中个体x_ai的渐进被支配数；再根据渐进被支配数是否为零，对种群R_a进行分种排序；从排序后的种群中选取个体作为下一代的父代种群；计算该下一代父代种群生成的种群R_a+1中各个体的目标函数，用于输出新的父代种群，直至满足迭代终止条件，输出最终种群，得优化结果；

其中，个体x_ai代表优化对象的某一具体数值，个体x_ai的渐进被支配数是指不同约束状态下种群R_a中能支配个体x_ai的个体数量。

优选地，上述法则具体包括以下步骤：

(1)建立优化目的对应的约束条件与双目标对应的目标函数f₁(x)与f₂(x)；

(2)初始化种群参数，随机产生第一代父代种群P_a(a代表迭代次数，此时a＝1，即初始父代种群P₁)，将P_a中每个个体分别带入f₁(x)与f₂(x)中得到对应的目标函数值，并对P_a进行快速非支配排序得到每一个个体的rank值(nondomination ranks)与拥挤度(crowding distance)(快速非支配排序与拥挤度的计算方法为现有技术，在此不再赘述)；