一种高维多目标评价方法及系统技术方案

本发明专利技术公开了一种高维多目标评价方法。该方法包括：获取高维多目标待评价集，高维多目标待评价集由多个个体的多维目标的属性值组成；根据各目标之间的相关性，对所述高维多目标待评价集中各目标进行排序；根据目标排序后的待评价集，将各个个体映射为二维空间点集；确定各所述个体对应的二维空间点集所构成的多边形的几何中心与所述直角坐标系原点的距离，记为第一评价指标；确定各所述个体对应的二维空间点集所构成的多边形的面积，记为第二评价指标；根据所述第一评价指标和所述第二评价指标对所述高维多目标待评价集进行评价。本发明专利技术提供的高维多目标评价方法及系统能够保障评价的科学、有效性。

A high dimensional multi objective evaluation method and system

The invention discloses a high-dimensional multi-objective evaluation method. The method includes: acquiring the high-dimensional and multi-dimensional target set to be evaluated, and the high-dimensional and multi-dimensional target set to be evaluated is composed of attribute values of multi-individual multi-dimensional targets; sorting the targets of the high-dimensional and multi-dimensional target set to be evaluated according to the correlation among the targets; mapping each individual to two according to the target-sorted set to be evaluated. Dimensional space point set; Determine the distance between the polygon's geometric center and the origin of the rectangular coordinate system corresponding to the two-dimensional space point set of each individual, and mark it as the first evaluation index; Determine the area of the polygon formed by the two-dimensional space point set corresponding to each individual, and mark it as the second evaluation index; According to the first evaluation index The evaluation index and the second evaluation index are used to evaluate the high-dimensional multi-objective evaluation set. The high dimensional multi-objective evaluation method and system provided by the invention can ensure the scientific and effective evaluation.

【技术实现步骤摘要】
一种高维多目标评价方法及系统
本专利技术涉及多高维目标优化领域，特别是涉及一种高维多目标评价方法及系统。
技术介绍
在实际工程应用中涉及的优化问题往往具有多个相互冲突、耦合的优化目标，当目标函数超过4个时，被称为高维多目标优化问题。由于存在多个相互冲突及耦合的优化目标，高维多目标优化问题往往不利于决策者决策。可视化技术利用计算机图形学、图像处理、信号处理等方法来表达数据的内部结构、信息和知识，其有利于进行高维多目标优化问题进行性能评价与分析，最终供决策者根据实际需要做出选择。高维多目标可视化技术主要包括全局可视化和降维可视化两类。其中全局可视化技术通常使用曲线、色块、图形等形式来实现待评价集可视化，能够完整无损地表示高维多目标数据信息，包含平行坐标系、热点图、两两坐标系、耦合线等。但全局可视化技术随着目标维数及个体数量的增多，大量的曲线或色块会复杂地交织在一起，在很多场合仅能通过直观感觉进行决策选择，极大地制约着决策的有效性。降维可视化技术主要利用降维技术将高维多目标待评价集由高维目标空间映射至低维空间，然后在2维或3维空间上以散点形式表示，包括主成分分析可视化方法、基于自组织映射的可视化方法、神经元度量法、地形映射法、径向可视化方法等。降维可视化技术便于在低维空间可视化，但会丢失集合的有效信息，影响决策的正确性。
技术实现思路
本专利技术的目的是提供一种高维多目标评价方法及系统，该评价方法及系统能够保障评价的科学、有效性。为实现上述目的，本专利技术提供了如下方案：一种高维多目标评价方法，所述方法包括：获取高维多目标待评价集，所述高维多目标待评价集由多个个体的多维目标的属性值组成；根据各目标之间的相关性，对所述高维多目标待评价集中各目标进行排序；根据目标排序后的待评价集，将各个个体映射为二维空间点集；确定各所述个体对应的二维空间点集所构成的多边形的几何中心与所述直角坐标系原点的距离，记为第一评价指标；确定各所述个体对应的二维空间点集所构成的多边形的面积，记为第二评价指标；根据所述第一评价指标和所述第二评价指标对所述高维多目标待评价集进行评价。可选的，所述根据各目标之间的相关性，对所述高维多目标待评价集中各目标进行排序，具体包括：利用1到M个整数将所述高维多目标待评价集的各个个体按在其各目标上的属性值大小进行标序，得到标序矩阵；根据确定标序矩阵的相关性，得到相似矩阵，其中，sij为所述相似矩阵中第i行第j列的元素，tki为第k个个体在第i维目标上的标序值，K表示待评价集中个体的数量；确定所述相似矩阵的拉普拉斯矩阵；对所述拉普拉斯矩阵进行特征分解，确定所述拉普拉斯矩阵最大特征值对应的特征向量，并利用1到M个整数对所述特征向量中的元素的大小进行标序；根据特征向量中元素的标序对所述待评价集中的目标进行排序，得到排序后的待评价集其中，向量λ表示特征向量的标序向量，λ(i)表示向量λ第i个元素值，i＝1,2,...,M。可选的，所述根据目标排序后的待评价集，将各个个体映射为二维空间点集，具体包括：在二维直角坐标中以原点为圆心构建一个单位圆空间CO，记为类圆空间；根据确定排序后的待评价集中各目标在CO圆弧上的坐标点Vλ(i)，其中，i＝1,2,...,M，M为目标维数；在类圆空间中，对任一个体在坐标原点与坐标点Vλ(i)相连的直线上，确定到所述坐标原点的距离为的点，记为二维映射点，其中，为第k个个体在第λ(i)维上的属性值，任一个体对应M个二维映射点。可选的，所述根据所述第一评价指标和所述第二评价指标对所述高维多目标待评价集进行评价，具体包括：比较各所述个体的第一评价指标，所述第一评价指标的值越小的所述个体越优；根据各所述个体的第二评价指标，确定各所述个体之间的类圆支配关系；根据所述第一评价指标和所述第二评价指标，确定各所述个体之间的优劣关系。可选的，在所述获取高维多目标待评价集之后，在所述对所述高维多目标待评价集中各目标进行排序之前，还包括：对所述高维多目标待评价集中的属性值进行归一化处理。本专利技术还提供了一种高维多目标评价系统，所述系统包括：高维多目标待评价集获取单元，用于获取高维多目标待评价集，所述高维多目标待评价集由多个个体的多维目标的属性值组成；排序单元，用于根据各目标之间的相关性，对所述高维多目标待评价集中各目标进行排序；维度转换单元，用于根据目标排序后的待评价集，将各个个体映射为二维空间点集；第一评价指标确定单元，用于确定各所述个体对应的二维空间点集所构成的多边形的几何中心与所述直角坐标系原点的距离，记为第一评价指标；第二评价指标确定单元，用于确定各所述个体对应的二维空间点集所构成的多边形的面积，记为第二评价指标；评价单元，用于根据所述第一评价指标和所述第二评价指标对所述高维多目标待评价集进行评价。可选的，所述排序单元，具体包括：标序子单元，用于利用1到M个整数将所述高维多目标待评价集的各个个体按其各目标上的属性值大小进行标序，得到标序矩阵；相似矩阵确定子单元，用于根据确定目标标序矩阵的相关性，得到相似矩阵，其中，sij为所述相似矩阵中第i行第j列的元素，tki为第k个个体在第i维目标上的标序值，K表示待评价集中个体的数量；拉普拉斯矩阵确定子单元，用于确定所述相似矩阵的拉普拉斯矩阵；特征分解子单元，用于对所述拉普拉斯矩阵进行特征分解，确定所述拉普拉斯矩阵最大特征值对应的特征向量，并利用1到M个整数对所述特征向量中的元素的大小进行标序；排序子单元，用于根据特征向量中元素的标序对所述待评价集中的目标进行排序，得到排序后的待评价集其中，向量λ表示特征向量的标序向量，λ(i)表示向量λ第i个元素值，i＝1,2,...,M。可选的，所述维度转换单元，具体包括：类圆空间构建子单元，用于在二维直角坐标中以原点为圆心构建一个单位圆空间CO，记为类圆空间；坐标点确定子单元，用于根据确定排序后的待评价集中各目标在CO圆弧上的坐标点Vλ(i)，其中，i＝1,2,...,M，M为目标维数；二维映射点确定子单元，用于在类圆空间中，对任一个体在坐标原点与坐标点Vλ(i)相连的直线上，确定到所述坐标原点的距离为的点，记为二维映射点，其中，为第k个个体在第λ(i)维上的属性值，任一个体对应M个二维映射点。可选的，所述评价单元，具体包括：第一评价子单元，用于比较各所述个体的第一评价指标，所述第一评价指标的值越小的所述个体越优；类圆支配关系确定子单元，用于根据各所述个体的第二评价指标，确定各所述个体之间的类圆支配关系；评价子单元，用于根据所述第一评价指标和所述第二评价指标，确定各所述个体之间的优劣关系。可选的，所述系统还包括：归一化单元，用于对所述高维多目标待评价集中的属性值进行归一化处理。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的高维多目标评价方法及系统对待评价集的属性值进行归一化处理，求解目标间的相关性，根据相关性对目标进行排序，并将待评价集内的每个个体映射为类圆空间内的一个多边形，求解多边形的几何中心与圆心的距离作为第一评价指标，距离越小的个体均衡性越优，求解多边形面积作为第二评价指标，对应多边形面积越小的个体越优，通过评价指标将高维多目标个体降维映射为二维，根据Pareto支配关系分析待评价集内个体间的优劣关本文档来自技高网...

【技术保护点】
1.一种高维多目标评价方法，其特征在于，所述方法包括：获取高维多目标待评价集，所述高维多目标待评价集由多个个体的多维目标的属性值组成；根据各目标之间的相关性，对所述高维多目标待评价集中各目标进行排序；根据目标排序后的待评价集，将各个个体映射为二维空间点集；确定各所述个体对应的二维空间点集所构成的多边形的几何中心与所述直角坐标系原点的距离，记为第一评价指标；确定各所述个体对应的二维空间点集所构成的多边形的面积，记为第二评价指标；根据所述第一评价指标和所述第二评价指标对所述高维多目标待评价集进行评价。

【技术特征摘要】
1.一种高维多目标评价方法，其特征在于，所述方法包括：获取高维多目标待评价集，所述高维多目标待评价集由多个个体的多维目标的属性值组成；根据各目标之间的相关性，对所述高维多目标待评价集中各目标进行排序；根据目标排序后的待评价集，将各个个体映射为二维空间点集；确定各所述个体对应的二维空间点集所构成的多边形的几何中心与所述直角坐标系原点的距离，记为第一评价指标；确定各所述个体对应的二维空间点集所构成的多边形的面积，记为第二评价指标；根据所述第一评价指标和所述第二评价指标对所述高维多目标待评价集进行评价。2.根据权利要求1所述的高维多目标评价方法，其特征在于，所述根据各目标之间的相关性，对所述高维多目标待评价集中各目标进行排序，具体包括：利用1到M个整数将所述高维多目标待评价集的各个个体按其在各目标上的属性值大小进行标序，得到标序矩阵；根据确定标序矩阵的相关性，得到相似矩阵，其中，sij为所述相似矩阵中第i行第j列的元素，tki为第k个个体在第i维目标上的标序值，K表示待评价集中个体的数量；确定所述相似矩阵的拉普拉斯矩阵；对所述拉普拉斯矩阵进行特征分解，确定所述拉普拉斯矩阵最大特征值对应的特征向量，并利用1到M个整数对所述特征向量中的元素的大小进行标序；根据特征向量中元素的标序对所述待评价集中的目标进行排序，得到排序后的待评价集其中，向量λ表示特征向量的标序向量，λ(i)表示向量λ第i个元素值，i＝1,2,...,M。3.根据权利要求1所述的高维多目标评价方法，其特征在于，所述根据目标排序后的待评价集，将各个个体映射为二维空间点集，具体包括：在二维直角坐标中以原点为圆心构建一个单位圆空间CO，记为类圆空间；根据确定排序后的待评价集中各目标在CO圆弧上的坐标点Vλ(i)，其中，i＝1,2,...,M，M为目标维数；在类圆空间中，对任一个体在坐标原点与坐标点Vλ(i)相连的直线上，确定到所述坐标原点的距离为的点，记为二维映射点，其中，为第k个个体在第λ(i)维上的属性值，任一个体对应M个二维映射点。4.根据权利要求1所述的高维多目标评价方法，其特征在于，所述根据所述第一评价指标和所述第二评价指标对所述高维多目标待评价集进行评价，具体包括：比较各所述个体的第一评价指标，所述第一评价指标的值越小的所述个体越优；根据各所述个体的第二评价指标，确定各所述个体之间的类圆支配关系；根据所述第一评价指标和所述第二评价指标，确定各所述个体之间的优劣关系。5.根据权利要求1所述的高维多目标评价方法，其特征在于，在所述获取高维多目标待评价集之后，在所述对所述高维多目标待评价集中各目标进行排序之前，还包括：对所述高维多目标待评价集中的属性值进行归一化处理。6.一种高维多目标评价系统，其特征在于，所述系统包括：高维多目标待评价集获...

【专利技术属性】
技术研发人员：黎明，黄珊，陈昊，李军华，张聪炫，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36