一种基于改进变异策略的NSGA-III方法技术

本发明专利技术公开了一种基于多变异策略的变异算子NAA，优化了NSGA

【技术实现步骤摘要】
一种基于改进变异策略的NSGA
‑
III方法


[0001]本专利技术属于多目标优化
，具体涉及一种基于改进变异策略的NSGA
‑
III算法。

技术介绍

[0002]随着社会的发展和科技的进步，人们在工程领域处理问题时往往需要权衡多个目标来选取最优的解，这种问题即多目标优化问题。在这些问题中，要优化的目标往往是相互冲突的，通常采用一组pareto解集表示多目标优化问题的最佳折衷方案。NSGA
‑
III算法利用良好分布的参考点来保持种群的多样性，是一种广泛使用的高维多目标优化算法。
[0003]在现实生活中，多目标优化算法在很多领域都有着非常广泛的应用，比如在推荐系统方面，推荐系统根据对推荐用户的精准性、多样性、新颖性等要求，生成一系列符合推荐用户心意的产品。但是由于现实情况中的复杂性，系统往往需要考虑非常多的因素，而常用的NSGA
‑
III多目标优化算法在设计时，主要考虑的是三维度下的情况，对高维度下的表现不佳，所以改进多目标优化算法以适应在高维问题成为一个非常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进变异策略的NSGA
‑
III算法，其特征在于：包括以下步骤：步骤一：设置种群规模、交叉概率Pc、变异概率Pm和最大迭代次数tmax；步骤二：随机产生初始化种群P0；步骤三：对种群Pt执行交叉算法、NAA变异算子；步骤四：生成子种群Qt；步骤五；合成新种群Rt＝Pt∪Qt；步骤六；对Rt进行非支配排序；步骤七：用基于参考点的选择机制筛选合适的个体组成Pt+1；步骤八：判断循环是否到达最大迭代次数，是则调出循环，否则跳回第三步继续执行循环。2.根据权利要求1所述的一种基于改进变异策略的NSGA
‑
III算法，其特征在于：步骤三中执行的NAA变异算子适应度值生成方法具体包括：根据种群中优质个体具有较大的适应度值，劣质个体具有较小的适应度值得特点，让优质个体具有较小的突变概率，让劣质个体具有较大的突变概率，加速种群得寻优进程；将种群中个体的变异概率定义为：体的变异概率定义为：由以上的公式可以得出其中：为平均概率；e(X
i
)为个体X
i
的适应度；E(X
i
)为个体X
i
的适应度评价函数；P
m
为个体变异概率；M为个体数；通过这种变异方式，在保证了突变的多样性同时，也能加速种群寻优的速度。3.根据权利要求1所述的一种基于改进变异策略的NSGA
‑
III算法，其特征在于：步骤三中执行的NAA变异算子的具体流程包括：针对多项式变异算子存在的问题，提出了一种基于多变异策略的变异算子NAA，将迭代周期分为三个阶段，...

【专利技术属性】
技术研发人员：陈基漓，徐荣安，谢晓兰，王丽，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：