一种基于动态多目标进化的多目标参数优化方法技术

本发明专利技术实施例公开了一种基于动态多目标进化的多目标参数优化方法和系统、电子终端和存储介质。所述方法通过根据当前时刻Pareto解集的多个子区域的中心点，实现对新环境下Pareto解集多个子区域中心点的准确预测；采用多区域多样性维持策略在下一时刻可能的解集范围随机产生其他个体，增加种群多样性。采用算法优化得到下一时刻初始种群，使得新环境下的初始种群更加接近真实Pareto解集，达到加快算法收敛速度的目的。

【技术实现步骤摘要】
一种基于动态多目标进化的多目标参数优化方法
本专利技术涉及计算机
，尤其涉及一种基于动态多目标进化的多目标参数优化方法、一种基于动态多目标进化的多目标参数优化装置、存储介质和电子设备。
技术介绍
在工程工业等领域中，例如冶金、航空等行业中，在解决工程问题或科研问题时，解决方案期望达到最优。而在面对一个待解决的技术问题时，该技术问题可能由多个目标组成。例如，对于动态路径规划的技术问题，在规划路径时，一般需要考虑路程最短，时间最短，道路状况良好等目标；而在车辆行进过程中，交通事故、交通管制等情况都是随机发生的，这就要求优化算法根据实时信息对优化结果作出调整，进行动态的在线优化，使行车路线最优。针对上述的情形，可以利用动态多目标优化进化算法来解决。举例来说，现有的动态多目标优化进化算法大多针对离散时间变量设计算法，或者把一些静态多目标优化算法直接用于DMOP(DynamicMulti-objectiveOptimizationProblem，动态多目标优化问题)的求解。然而，对于DMOP而言，因其具有多个依赖时间(环境)的相互冲突的目标，加之其本文档来自技高网...

【技术保护点】
1.一种基于动态多目标进化的多目标参数优化方法，其特征在于，包括：/n获取待优化对象在t时刻的Pareto解集，以及t-1时刻的Pareto解集，以根据t时刻的Pareto解集以及t-1时刻的Pareto解集中各子区域的中心点位置获取t时刻的进化步长；其中Pareto解集中包括多个子区域；t≥1；/n根据所述t时刻的进化步长和所述t时刻的Pareto解集中各子区域的中心点的位置，获取t+1时刻各所述子区域的中心点的预测解；以及/n根据所述t时刻各所述子区域的最大点和最小点，利用预设随机函数获取t+1时刻各所述子区域的随机值；其中，各所述子区域的所述随机值的数量与该子区域的原始解数量相关；/n基...

【技术特征摘要】
1.一种基于动态多目标进化的多目标参数优化方法，其特征在于，包括：
获取待优化对象在t时刻的Pareto解集，以及t-1时刻的Pareto解集，以根据t时刻的Pareto解集以及t-1时刻的Pareto解集中各子区域的中心点位置获取t时刻的进化步长；其中Pareto解集中包括多个子区域；t≥1；
根据所述t时刻的进化步长和所述t时刻的Pareto解集中各子区域的中心点的位置，获取t+1时刻各所述子区域的中心点的预测解；以及
根据所述t时刻各所述子区域的最大点和最小点，利用预设随机函数获取t+1时刻各所述子区域的随机值；其中，各所述子区域的所述随机值的数量与该子区域的原始解数量相关；
基于所述t+1时刻各所述子区域的中心点的预测解，和t+1时刻各所述子区域的随机值生成所述t+1时刻的初始种群，以利用该t+1时刻的初始种群获取所述t+1时刻的多目标参数优化结果。


2.根据权利要求1所述的方法，其特征在于，所述Pareto解集包括若干数量的无个体子区域，所述方法还包括：
利用所述无个体子区域的至少一个最邻近个体确定所述无个体子区域的进化步长；
其中，所述无个体子区域包括：无个体边界子区域和/或无个体中心子区域。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：所述无个体子区域在t时刻存在个体、t-1时刻无个体时，则根据t时刻的无个体子区域中心点位置和所述t时刻的进化步长获取该所述无个体子区域在t+1时刻的中心点预测解。


4.根据权利要求2所述的方法，其特征在于，所述方法还包括：所述无个体子区域在t-1时刻存在个体、t时刻不存在个体时，则根据t-1时刻的无个体区域的中心点位置和所述t时刻的进化步长获取该所述无个体子区域在t+1时刻的中心点预测解。


5.根据权利要求2所述的方法，其特征在于，所述方法还包括：所述无个体子区域在t-1时刻、t时刻不存在个体时；对于无个体边界子区域，根据Pareto解集中的第一序列子区域在t+1时刻的中心位置预测解与t时刻的进化步长，以及最后序列子区域在t-1时刻的中心...

【专利技术属性】
技术研发人员：孙浩，马学敏，呼子宇，魏立新，杨景明，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13