一种基于多目标的改进灰狼优化算法制造技术
【技术实现步骤摘要】
一种基于多目标的改进灰狼优化算法
本专利技术涉及多目标优化算法
，尤其涉及一种基于多目标的改进灰狼优化算法。
技术介绍
随着系统工程理论研究的日趋成熟和现代计算机技术在多目标优化领域的不断发展与应用，各种新方法和新技术也层出不穷。常见的方法主要分为两大类：一类是将多目标转化为单目标方法，主要有权重系数法，隶属度函数法等。然而，权系数设置的合理性和有效性是权重系数法面临的难题，并且无法有效处理具有非凸前沿的目标；隶属度函数法则具有构造合理性的缺陷。另一类是利用启发式算法直接对多目标问题进行求解，如快速非支配排序遗传算法(non-dominatedsortinggeneticalgorithm,NSGAⅡ)、增强帕累托进化算法(strengthparetoevolutionaryalgorithm2,SPEA2)等。权系数设置的合理性和有效性是权重系数法面临的难题，并且无法有效处理具有非凸前沿的目标；隶属度函数法则具有构造合理性的缺陷。另一类是利用启发式算法直接对多目标问题进行求解，如快速非支配排序遗传算法(non-dominatedsortinggenetic...
【技术保护点】
一种基于多目标的改进灰狼优化算法，其特征在于，包括：S1、设置狼群的初始化参数及方向修正概率，在解空间中随机初始化每个狼个体的位置；S2、根据求解目标计算每个所述狼个体的适应度值，并选择排名靠前的三只狼个体依次赋予Xα、Xβ、Xδ；S3、根据所述Xα、所述Xβ、所述Xδ优化狼群每个所述狼个体的位置，产生中庸狼，并计算所述中庸狼的适应度值和更新狼群位置；S4、对更新后的狼群执行方向修正操作并根据所述方向修正概率控制所述更新后的狼群参与修正维的规模，产生新的中庸狼，并计算所述新的中庸狼的适应度值，获得修正后的狼群位置；S5、判断迭代次数是否达到预设最大迭代次数，若是，则输出修正...
【技术特征摘要】
1.一种基于多目标的改进灰狼优化算法，其特征在于，包括：S1、设置狼群的初始化参数及方向修正概率，在解空间中随机初始化每个狼个体的位置；S2、根据求解目标计算每个所述狼个体的适应度值，并选择排名靠前的三只狼个体依次赋予Xα、Xβ、Xδ；S3、根据所述Xα、所述Xβ、所述Xδ优化狼群每个所述狼个体的位置，产生中庸狼，并计算所述中庸狼的适应度值和更新狼群位置；S4、对更新后的狼群执行方向修正操作并根据所述方向修正概率控制所述更新后的狼群参与修正维的规模，产生新的中庸狼，并计算所述新的中庸狼的适应度值，获得修正后的狼群位置；S5、判断迭代次数是否达到预设最大迭代次数，若是，则输出修正后的狼群位置作为最终优化结果，否则，转至S3继续进行迭代搜索。2.根据权利要求1所述的基于多目标的改进灰狼优化算法，其特征在于，所述S1具体包括：设置狼群的大小M、最大迭代次数maxgen及方向修正概率pv，在解空间中随机初始化每个狼个体的位置。3.根据权利要求1所述的基于多目标的改进灰狼优化算法，其特征在于，所述S2具体包括：根据求解目标计算每个所述狼个体的适应度值，并依据快速非劣解排序操作、拥挤距离计算、精英保留策略选择排名靠前的三只狼个体依次赋予Xα、Xβ、Xδ。4.根据权利要求3所述的基于多目标的改进灰狼优化算法，其特征在于，所述快速非劣解排序操作具体包括：找到狼群中的非支配解集，将所述非支配解集标记为第一非支配层F1并将所述非支配解集中的所有狼个体赋予第一非支配序值，并将所述所有狼个体剔除；在剔除后的狼群中找出下一层非支配解集并进行标记、非支配序值赋予操作及剔除操作；依次持续进行对狼群进行非支配解集分层、标记、非支配序值赋予操作及剔除操作，直至整个狼群被完全分层并使得同一非支配层内的狼个体具有相同的非支配序值。5.根据权利要求4所述的基于多目标的改进灰狼优化算法，其特征在于，所述拥挤距离计算具体包括：初始化同一非支配层内的狼个体的距离，令狼个体i的拥挤距离L[i]d为0；所述同一非支配层内的狼个体按第m个目标值进行递增排序；给定边缘上的两只狼个体赋予一个大数Inf，使所述两只狼个体具有绝对选择优势；对排序中间的狼个体根据公式八求所述排序中间的狼个体的拥挤距离，所述公式八具体为：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。