基于混合偏好模型的进化高维多目标优化方法及系统技术方案

本发明专利技术公开了一种基于混合偏好模型的进化高维多目标优化方法及系统，所述方法包括：根据决策者偏好构造混合偏好模型；随机生成规模为N的初始种群P0，基于第t代父种群P

【技术实现步骤摘要】
基于混合偏好模型的进化高维多目标优化方法及系统


[0001]本专利技术涉及高维多目标优化
，尤其是涉及一种基于混合偏好模型的进化高维多目标优化方法及系统。

技术介绍

[0002]通常，将目标维度大于3的多目标优化问题称为高维多目标优化问题，为最终收敛得到问题的最优解，需要适当地定义个体间的占优关系，通过环境选择操作推动种群的搜索进程，以最小化问题为例，在单目标优化问题中，占优关系被定义为“小于等于”，从而建立起候选解之间的全序关系并按“最优”到“最差”的顺序排列，最终得到不大于搜索空间中任意解的全局最优解。但多目标优化问题中目标间通常互相冲突，难以建立候选解之间标准化的序关系，常采用Pareto支配关系选择最优解。
[0003]随着待优化目标维数的增加，在使得问题本身变得更为复杂的同时，在低维空间中高效的经典多目标优化算法面临着环境选择压力的下降、描述Pareto最优前沿所需解的个数迅速增多、Pareto最优前沿可视化困难等问题。而决策者的偏好可以引导种群向偏好区域搜索，从而增加对Pareto最优解的选择压力,加快进化过程；此外，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合偏好模型的进化高维多目标优化方法，其特征在于，包括：S1.构造混合偏好模型，具体方法为：S101.根据决策者偏好设定其在各维度空间上的偏好区域，构成目标区域；S102.在单位超平面上生成一组均匀分布的参考点，并基于所述目标区域通过坐标转换将参考点约束到指向目标区域的单位超球面上；S103.综合所述参考点和所述偏好区域构成混合偏好模型；S2.随机生成规模为N的初始种群P0，基于第t代父种群P
t
，由重组算子通过交叉变异生成子种群Q
t
，子种群Q
t
与P
t
取并集后得到更新后的种群P
t
；S3.基于所述混合偏好模型设计三级排序算法，协作引导种群向偏好区域进化并在其内部保持均衡的收敛性和分布性，具体方法为：S301.基于帕累托Pareto非支配关系对更新后的种群P
t
进行第一级排序，得到参加后两级排序的种群S
t
，将S
t
分为和S302.基于增强支配关系对位于所述目标区域内的子种群进行第二级排序，选出在目标区域内帕累托前沿PF上具有良好收敛性和分布性的解S303.基于经步骤S102约束后的参考点对位于所述目标区域外的子种群进行第三级排序，选出接近所述目标区域中心且具有良好分布性的解S304.根据三级排序所得序列选择和共同构成下一代父种群P
t+1
，作为新的P
t
，t＝t+1；S4.循环步骤S3所述三级排序算法直至算法终止条件满足，输出满意解。2.根据权利要求1所述的方法，其特征在于，步骤S102所述基于所述目标区域通过坐标转换将参考点约束到指向目标区域的单位超球面上的具体方法为：通过公式1进行坐标转换，将分布在超平面的参考点约束到指向目标区域：其中，为初步调整后的参考点，λ
i,j
为调整前的参考点，表示在第j维目标上偏好区域的上界，LP(f
j
)为目标区域在第j维上的偏好区间长度；相应的单位参考点如公式2所示：所述单位参考点位于所述单位超球面上。3.根据权利要求1所述的方法，其特征在于，根据三级排序所得序列选择和的具体方法为：选择一半构成基于参考点在中优先选择接近偏好区域中心的解构成且4.根据权利要求1所述的方法，其特征在于，步骤S303所述第三级排序的具体方法为：计算所述目标区域与所述约束后的参考点的集合中的一个参考点间的余弦相似度，根据余
弦相似度降序排序得到各参考点的序列。5.根据权利要求1所述的方法，其特征在于，步骤S4所述终止条件为：判断迭代次数t是否大于输入的最大迭代次数，若大于，则所述循环终止，输出...

【专利技术属性】
技术研发人员：熊伟，熊明晖，简平，刘德生，刘正，刘文文，韩驰，于小岚，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
类型：发明
国别省市：