一种基于相似性度量的多目标优化方法技术

本发明专利技术公开一种基于相似性度量的多目标优化方法，涉及数据处理技术领域，该方法针对一个多目标优化问题，首先采用切比雪夫分解策略将该多目标优化问题分解成N个标量子问题，每个子问题包含权值向量、目标函数值、邻域、参考点和对应解集五个元素；随后不断更新子问题内的各元素来优化对应的目标函数，得到最终的Pareto解集，对Pareto解集中的解的组合进行KL散度计算，选择KL最大值对应的组合作为最终的解的子集。本发明专利技术可以解决多目标优化问题中算法收敛速度慢、精度低的问题。精度低的问题。精度低的问题。

【技术实现步骤摘要】
一种基于相似性度量的多目标优化方法


[0001]本专利技术涉及数据处理
，具体的说是一种基于相似性度量的多目标优化方法。

技术介绍

[0002]只有一个目标函数的最优化问题就是单目标优化问题，具有两个或者两个以上的目标函数且需要同时处理的最优化问题称为多目标优化问题。在多目标优化问题中，一个解可能对于某一个目标来说是极好的，但是对于另外一个目标来说却又是极差的，这个时候就需要一组折中的解，这组折中的解集称为Pareto最优解集或者非支配解集。
[0003]实际生活中很多的优化问题都是一个单目标优化问题，在这类问题中往往会只考虑其中一个目标指标，而另外一个影响因素就被当作是约束条件，这种求解方法往往不能够发现同时优化两个目标函数时所得到的解的分布状况。多目标优化通常会考虑多个目标指标，综合考虑多个约束条件，相比于单目标优化能够找到满足不同条件的解，可以为决策者提供更多的选择。通过分析多目标优化，可以得到更多的多目标优化的特性。
[0004]在优化一个多目标问题时，同时优化的多个目标之间往往是相互冲突的关系，而正是由于各个目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相似性度量的多目标优化方法，其特征在于，该方法针对一个多目标优化问题，首先采用切比雪夫分解策略将该多目标优化问题分解成N个标量子问题，每个子问题包含权值向量、目标函数值、邻域、参考点和对应解集五个元素；随后不断更新子问题内的各元素来优化对应的目标函数，得到最终的Pareto解集，对Pareto解集中的解的组合进行相似性分析，选择相似性最低的解的子集。2.根据权利要求1所述的一种基于相似性度量的多目标优化方法，其特征在于，采用切比雪夫分解策略将多目标优化问题分解成N个标量子问题，具体操作包括：步骤S1.1、设置权值向量[λ1，λ2，...，λ
N
]
T
作为一个均匀分布，将分解的N个标量子问题依次编号i＝1，...，N；步骤S1.2、基于公式(3)，对所有的目标函数设置参考点z
*
＝[z1，z2]
T
：z
i
＝min(f
i1
(x)，...，f
iN
(x))i＝1，2.， 从式(3)，由公式(3)可知，设置的参考点是N个子问题中对应的最小的目标函数；步骤S1.3、基于公式(4)，计算子问题，设置邻域：每个子问题的邻域是由距离该子问题最近的T个子问题组成，设置的邻域记为NH(j)＝(j1，j2，...，j
T
)，j代表子问题索引。3.根据权利要求2所述的一种基于相似性度量的多目标优化方法，其特征在于，所述距离采用欧式距离，计算欧式距离时采用的是每个子问题两个目标的权值，由于权值向量是不变的，所以每个子问题的邻域是不变的，且随着不断地迭代，每个子问题的解会不断地改进。4.根据权利要求2所述的一种基于相似性度量的多目标优化方法，其特征在于，执行步骤S1.1过程中，设置权值向量[λ1，λ2，...，λ
N
]
T
作为一个均匀分布后，对每一个子问题随机初始化一个解x
i
，该解采用实数编码，解的长度表示总的解的数量。5.根据权利要求2所述的一种基于相似性度量的多目标优化方法，其特征在于，执行步骤S1.3时，需要计算子问题的单一目标，并将每一个单目标分配给对应子问题。6.根据...

【专利技术属性】
技术研发人员：张睿智，翟盛龙，率为朋，甘延朋，武铁军，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：