[发明专利]一种基于并行协同演化的高维多目标优化算法

摘要

本发明提供一种基于并行协同演化的高维多目标优化算法，该算法维持两个种群：一个种群负责寻找极值点，另一个种群负责在整个决策空间中搜索一组兼顾收敛性与多样性的解。这两个种群协同演化。在整个进化过程中，两个种群分别有自己的演化方式，同时它们之间又存在信息交流和信息共享。在算法框架中，任何基于帕累托占优的多目标进化算法都可以应用在负责在整个决策空间中搜索一组兼顾收敛性与多样性的解的种群上。该框架改善了基于帕累托占优的多目标进化算法在高维多目标优化问题上的性能，克服了传统基于帕累托占优的进化算法在求解高维多目标问题时性能急剧恶化的缺点，平衡了高维多目标优化问题求解的收敛性和多样性。

主权项

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,…,w2M}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。