基于比例支配和目标空间分解的多目标进化算法及其系统技术方案

本发明专利技术提出了一种基于比例支配和目标空间分解的多目标进化算法及其系统，包括：初始化种群，得到一个初始种群P

【技术实现步骤摘要】
基于比例支配和目标空间分解的多目标进化算法及其系统
本专利技术涉及多目标优化问题领域，具体公开了一种基于比例支配和目标空间分解的多目标进化算法及其系统。
技术介绍
具有多个目标同时进行优化的优化问题通常称为MOP(multipleobjectiveproblem，目标优化问题)，对于MaOP(具有三个以上目标的多目标优化问题)，非支配解决方案的比例随着目标数量的增加而急剧增加。此外，对于目标数量固定的MaOP，随着进化过程的发展，非支配解决方案的比例也将上升到很高的水平，有时甚至达到100％。为了应对现实世界中许多行业遇到的MOP，例如，电力系统中的最佳潮流，电力系统传输和分配网络，控制系统设计和工业调度问题，MOEA(多目标进化算法)在过去的20年中引起了人们的极大兴趣并见证了巨大的发展热潮。但是，由于目标的冲突性质，几乎没有一种解决方案可以同时优化所有目标，传统的基于支配关系和非支配关系排序的MaOEAs(多目标进化算法)面临了巨大挑战。通常，MOEA根据其环境选择策略可分为三类：基于支配、基于分解和基于指标。基于支配的通常为基于帕本文档来自技高网...

【技术保护点】
1.一种基于比例支配和目标空间分解的多目标进化算法，其特征在于，包括以下步骤：/n初始化种群，得到一个初始种群P

【技术特征摘要】
1.一种基于比例支配和目标空间分解的多目标进化算法，其特征在于，包括以下步骤：
初始化种群，得到一个初始种群P0；
通过遗传算子或者差分进化算子产生子代种群P′，且合并种群Q＝P0∪P′；
通过比例支配关系从合并种群Q中选择α*N个有良好收敛性能的个体进入可以存活到下一代的新种群P1，0＜α＜1,其中N为种群大小；
通过改进后的目标空间分解方法选取有多样性的解填充新种群P1至种群大小满足|P1|＝N；
判断功能评估次数是否大于最大功能评估次数，如是，则迭代结束以|P1|作为多目标优化问题的最终解，否则，令P0＝|P1|并重复上述步骤。


2.根据权利要求1所述的一种基于比例支配和目标空间分解的多目标进化算法，其特征在于，通过比例支配关系从合并种群Q中选择α*N个有良好收敛性能的个体进入可以存活到下一代的新种群P1具体步骤包括：
计算合并种群Q中任意解对于其他所有解的比例支配因子，Fij指xi对xj的比例支配因子；
对任意xi，计算其对于所有其他解的比例支配因子之和，记为FSi；
对Q中所有解按照FSi的大小进行降序排列；
选择Q中前α*N的FS值最大的解进入P1，并在Q中删除所选解。


3.根据权利要求1所述的一种基于比例支配和目标空间分解的多目标进化算法，其特征在于，通过改进后的目标空间分解方法选取有多样性的解填充新种群P1至种群大小满足|P1|＝N的具体步骤为：
计算Q中所有解对于其他解的比例因子之和，记为FSi；
将Q中所有的解按照其与参考向量的锐角夹角划分到各个子空间中；
若种...

【专利技术属性】
技术研发人员：邱文博，祝江汉，霍离俗，王建江，刘进，喻婧，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43