一种多目标优化方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种多目标优化方法、装置、设备及介质，该方法包括：获取种群和预设优化目标；根据预设优化目标对种群进行初始化，以得到初始解集；获取预设参考系数，根据预设参考系数对初始解集进行偏好分类，以得到第一偏好解集和第一非偏好解集；根据第一偏好解集和第一非偏好解集对预设生成对抗网络进行训练，以得到第一偏好子代；根据初始解集和第一偏好子代进行环境选择，以得到目标偏好解集。本发明专利技术实施例引入专家知识以及生成对抗网络得出的多目标优化方法，有效解决了多目标优化问题。尤其在面对混合动力控制系统中的多目标优化问题时，有效实现多目标优化，以使得混合动力控制系统的控制更加合理。力控制系统的控制更加合理。力控制系统的控制更加合理。

【技术实现步骤摘要】
一种多目标优化方法、装置、设备及介质


[0001]本专利技术涉及计算机
，特别涉及一种多目标优化方法、装置、设备及介质。

技术介绍

[0002]在工业生产和生活中，许多问题都是由相互冲突和影响的多个目标组成。人们会经常遇到使多个目标在给定区域同时尽可能最佳的优化问题，也就是多目标优化问题。在混合动力控制系统的设计中，设计者最主要的目标是减少燃料消耗。然而除了燃料消耗，还需考虑比如驾驶经验、噪声、振动与声振粗糙度等。现有方法往往只考虑设计燃料消耗为单目标的混合动力控制系统，未考虑混合动力控制系统的多目标的优化问题。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种多目标优化方法、装置、设备及介质，能够有效解决多目标优化问题，尤其在面对混合动力控制系统中的多目标优化问题时，有效实现多目标优化。
[0004]根据本专利技术的第一方面实施例的多目标优化方法，获取种群和预设优化目标；
[0005]根据所述预设优化目标对所述种群进行初始化，以得到初始解集；
[0006]获取预设参考系数，根据所述预设参考系数对所述初始解集进行偏好分类，以得到第一偏好解集和第一非偏好解集；
[0007]根据所述第一偏好解集和所述第一非偏好解集对预设生成对抗网络进行训练，以得到第一偏好子代；
[0008]根据所述初始解集和所述第一偏好子代进行环境选择，以得到目标偏好解集。
[0009]根据本专利技术实施例的多目标优化方法，至少具有如下有益效果：本专利技术实施例引入专家知识以及生成对抗网络得出的多目标优化方法，有效解决了多目标优化问题。尤其在面对混合动力控制系统中的多目标优化问题时，有效实现多目标优化，以使得混合动力控制系统的控制更加合理。
[0010]根据本专利技术的一些实施例，还包括：
[0011]对所述目标偏好解集进行交叉、变异处理，以得到初始子代；
[0012]根据所述初始子代和所述目标偏好解集进行环境选择，以得到第一更新目标偏好解集。
[0013]根据本专利技术的一些实施例，还包括：
[0014]根据所述第一更新目标偏好解集和所述预设参考系数得到第二偏好解集和第二非偏好解集；
[0015]根据所述第二偏好解集和所述第二非偏好解集对所述预设生成对抗网络进行训练，得到第二偏好子代；
[0016]根据所述第二偏好子代和所述第一更新目标偏好解集进行环境选择，以得到第二更新目标偏好解集。
[0017]根据本专利技术的一些实施例，所述根据所述预设优化目标对所述种群进行初始化，以得到初始解集，包括：
[0018]根据所述预设优化目标得到所述预设优化目标的约束条件和所述预设优化目标的上下界；
[0019]根据所述约束条件和所述上下界对所述种群进行初始化，以得到初始解集。
[0020]根据本专利技术的一些实施例，所述获取预设参考系数，根据所述预设参考系数对所述初始解集进行偏好分类处理，以得到第一偏好解集和第一非偏好解集，包括：
[0021]根据所述预设参考系数得到参考向量；
[0022]根据所述参考向量和预设半径对所述初始解集进行偏好分类处理，以得到第一偏好解集和第一非偏好解集。
[0023]根据本专利技术的一些实施例，所述根据所述初始解集和所述第一偏好子代进行环境选择，以得到目标偏好解集，包括：
[0024]根据所述初始解集和所述第一偏好子代进行合并，以得到待处理个体；
[0025]在所述待处理个体中，将与所述参考向量的距离关系符合预设条件的个体作为优势个体；
[0026]基于得到的所述优势个体得到目标偏好解集。
[0027]根据本专利技术的一些实施例，所述在所有所述待处理个体中，将与所述参考向量的距离关系符合预设条件的个体作为优势个体，包括：
[0028]获取所述待处理个体与所述参考向量的距离，按所述距离由小至大挑选预设数量的个体作为所述优势个体。
[0029]根据本专利技术的第二方面实施例的一种多目标优化装置，包括：
[0030]获取模块：用于获取种群和预设优化目标；
[0031]第一处理模块：用于根据所述预设优化目标对所述种群进行初始化，以得到初始解集；
[0032]第二处理模块：用于获取预设参考系数，根据所述预设参考系数对所述初始解集进行偏好分类，以得到第一偏好解集和第一非偏好解集；
[0033]第三处理模块：用于根据所述第一偏好解集和所述第一非偏好解集对预设生成对抗网络进行训练，以得到第一偏好子代；
[0034]目标偏好解集生成模块：用于根据所述初始解集和所述第一偏好子代进行环境选择，以得到目标偏好解集。
[0035]根据本专利技术的第三方面实施例的一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术的第一方面实施例中任一项所述的方法。
[0036]根据本专利技术的第四方面实施例的一种存储介质，所述存储介质为计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行本专利技术的第一方面实施例中任一项所述的方法。
[0037]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0038]下面结合附图和实施例对本专利技术做进一步的说明，其中：
[0039]图1为本专利技术实施例提供的一个多目标优化方法的流程图；
[0040]图2为本专利技术实施例提供的另一个多目标优化方法的流程图；
[0041]图3为本专利技术实施例提供的另一个多目标优化方法的流程图；
[0042]图4为本专利技术实施例提供的另一个多目标优化方法的流程图；
[0043]图5为本专利技术实施例提供的另一个多目标优化方法的流程图；
[0044]图6为本专利技术示例一提供的根据参考系数划分偏好区域的示意图；
[0045]图7为本专利技术示例二提供的多目标优化方法的流程图。
具体实施方式
[0046]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0047]在本专利技术的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0048]在本专利技术的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多目标优化方法，其特征在于，包括：获取种群和预设优化目标；根据所述预设优化目标对所述种群进行初始化，以得到初始解集；获取预设参考系数，根据所述预设参考系数对所述初始解集进行偏好分类，以得到第一偏好解集和第一非偏好解集；根据所述第一偏好解集和所述第一非偏好解集对预设生成对抗网络进行训练，以得到第一偏好子代；根据所述初始解集和所述第一偏好子代进行环境选择，以得到目标偏好解集。2.根据权利要求1所述的一种多目标优化方法，其特征在于，还包括：对所述目标偏好解集进行交叉、变异处理，以得到初始子代；根据所述初始子代和所述目标偏好解集进行环境选择，以得到第一更新目标偏好解集。3.根据权利要求2所述的一种多目标优化方法，其特征在于，还包括：根据所述第一更新目标偏好解集和所述预设参考系数得到第二偏好解集和第二非偏好解集；根据所述第二偏好解集和所述第二非偏好解集对所述预设生成对抗网络进行训练，得到第二偏好子代；根据所述第二偏好子代和所述第一更新目标偏好解集进行环境选择，以得到第二更新目标偏好解集。4.根据权利要求1所述的一种多目标优化方法，其特征在于，所述根据所述预设优化目标对所述种群进行初始化，以得到初始解集，包括：根据所述预设优化目标得到所述预设优化目标的约束条件和所述预设优化目标的上下界；根据所述约束条件和所述上下界对所述种群进行初始化，以得到初始解集。5.根据权利要求1所述的一种多目标优化方法，其特征在于，所述获取预设参考系数，根据所述预设参考系数对所述初始解集进行偏好分类处理，以得到第一偏好解集和第一非偏好解集，包括：根据所述预设参考系数得到参考向量；根据所述参考向量和预设半径对所述初始解集进行偏好分类处理，...

【专利技术属性】
技术研发人员：程然，侯章禄，柏卉，林剑清，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：