一种分层多目标优化方法、终端设备及存储介质技术

本发明专利技术涉及一种分层多目标优化方法、终端设备及存储介质，该方法中包括：S1：获取需要针对多个目标进行优化的多目标优化模型和待优化的所有目标；S2：根据模糊简化层次分析法将待优化的所有目标划分为主导目标和从属目标；S3：基于帕累托最优解集，计算多目标优化模型的满足所有主导目标的非支配解；S4：针对步骤S3得到的所有非支配解，以从属目标为基准对其进行筛选和/或排序，根据筛选和/或排序后的结果得到多目标优化模型的最优解。本发明专利技术在保证重点目标非支配最优性的同时，还可以兼顾更多从属目标的优化性能，从而获得有侧重点兼顾多目标的综合优化方案。目标的综合优化方案。目标的综合优化方案。

A hierarchical multi-objective optimization method, terminal device and storage medium

【技术实现步骤摘要】
一种分层多目标优化方法、终端设备及存储介质


[0001]本专利技术涉及目标优化领域，尤其涉及一种分层多目标优化方法、终端设备及存储介质。

技术介绍

[0002]在工程、经济等学科领域中设计与优化中，常需要在两个或多个相互冲突的目标之间进行权衡，需要用到多目标优化解决上述问题。
[0003]传统的多目标优化方法有化多为少的方法、分层序列法、帕累托优化法等。在没有目标优先级排序和主观赋值的情况下，帕累托优化法是解决多目标有化问题的有效途径，可求解得到帕累托前沿优化解集。多目标权衡通常基于不同的主观依据或客观信息，或二者的结合。常规的客观决策准则主要基于非支配解集的特征，常见的方法有基于欧氏距离的决策方法、基于香农熵的决策方法和基于模糊理论的隶属函数决策方法等。主观决策准则更多依赖决策者的主观判断，常用的方法有层次分析法(Analytic Hierarchy Process，AHP)、隶属函数等。然而，多目标优化方法在实际的应用过程中，仍然存在以下需要解决的问题：
[0004](1)如何兼顾不同子目标的主观重要性与客观权衡特征差异，以提高多目标优化方法的主客观灵活性；
[0005](2)如何降低主观决策方法多子目标对比量化标准的复杂度，以减少量化评价过程的主观经验依赖性；
[0006](3)如何提升主观决策方法多决策者综合评价的群体一致性，以降低主观决策不确定性对结果的影响。
[0007]因此，亟待提出一种灵活兼顾真实案例主客观因素的多目标优化方法，以满足决策者应对多场景实际案例差异化需求。

技术实现思路

[0008]为了解决上述问题，本专利技术提出了一种分层多目标优化方法、终端设备及存储介质。
[0009]具体方案如下：
[0010]一种分层多目标优化方法，包括以下步骤：
[0011]S1：获取需要针对多个目标进行优化的多目标优化模型和待优化的所有目标；
[0012]S2：根据模糊简化层次分析法将待优化的所有目标划分为主导目标和从属目标；
[0013]S3：基于帕累托最优解集，计算多目标优化模型的满足所有主导目标的非支配解；
[0014]S4：针对步骤S3得到的所有非支配解，以从属目标为基准对其进行筛选和/或排序，根据筛选和/或排序后的结果得到多目标优化模型的最优解。
[0015]进一步的，步骤S2的具体实现过程包括以下步骤：
[0016]S201：构建描述m个目标之间两两重要性程度优劣关系的模糊简化判断矩阵FSAM：
[0017][0018]式中，m表示目标的总数，a
i,1
表示第i个目标与第1个目标之间的重要性程度，a
1,
表示第1个目标与第i个目标之间的重要性程度，
…
，a
i,i
表示第i个目标与第i个目标之间的两两重要性程度，i表示目标的序号，m表示目标的总数；
[0019]S202：根据模糊简化判断矩阵FSAM中的各元素对应的两个目标之间的重要性程度的大小关系确定各元素的取值；
[0020]S203：计算模糊简化判断矩阵FSAM中各行元素的几何均值，将第i行元素的几何均值作为第i个目标的特征值；
[0021]S204：对计算的所有几何均值进行归一化处理，得到各目标的归一化特征值；
[0022]S205：按照从大到小的顺序将归一化特征值进行排序，并按照排序的顺序切分为两部分，将排序靠前的部分对应的目标作为主导目标，将排序靠后的部分对应的目标作为从属目标。
[0023]进一步的，步骤S202中各元素的取值的计算公式为：
[0024][0025]式中，a
i,i
′
表示第i个目标与第i
′
个目标之间的两两重要性程度，S
i
和S
i
′
分别表示第i个目标和第i
′
个目标的重要性程度。
[0026]进一步的，当目标的重要性程度由多个决策者决策时，步骤S202中各元素的取值的计算公式为：
[0027][0028]式中，β
j
表示第j个决策者的权重系数，a
′
i,i
′
,j
表示第j个决策者对第i个目标和第i
′
个目标之间重要性程度对比的评分，表示决策者的总数。
[0029]进一步的，步骤S205中切分时按照目标的总数将排序靠前A％的目标作为主导目标，将排序靠后(100
‑
A)％的目标作为从属目标，A表示主导目标占从属目标的百分比。
[0030]进一步的，步骤S4中进行筛选和/或排序的过程采用并行前序法，并行前序法的具体过程包括：采集S种不同排序方式对所有非支配解的排序结果，针对S个排序结果中的每个排序结果，从中提取其前L个非支配解，得到S个解集，判断是否存在一非支配解同时存在于S个解集内，如果存在，则将该非支配解作为多目标优化模型的最优解，如果不存在，令L增加1，重新获得对应的S个解集。
[0031]进一步的，步骤S4中进行筛选和/或排序的过程采用顺序组合法或耦合权值法。
[0032]进一步的，步骤S4中进行筛选和/或排序的过程采用多种方法中的任意两种或两种以上的组合方法，多种方法包括：并行前序法、顺序组合法和耦合权值法。
[0033]一种分层多目标优化终端设备，包括处理器、存储器以及存储在所述存储器中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实施例上述的方法的步骤。
[0034]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例上述的方法的步骤。
[0035]本专利技术采用如上技术方案，基于多目标进行分层优化，在保证重点目标非支配最优性的同时，还可以兼顾更多从属目标的优化性能，从而获得有侧重点兼顾多目标的综合优化方案。
附图说明
[0036]图1所示为本专利技术实施例一的流程图。
[0037]图2所示为该实施例中综合园区主干热网拓扑结构示意图。
[0038]图3所示为该实施例中多站互联城市综合能源供需协同规划备选系统方案示意图。
[0039]图4所示为该实施例中各季节典型日逐时风、光出力系数示意图。
[0040]图5所示为该实施例中园区各典型日逐时基准多种能源需求示意图。
[0041]图6所示为该实施例中归一化解域分解非均匀帕累托前沿示意图。
[0042]图7所示为该实施例中归一化多能效指标与熵权综合指标示意图。
具体实施方式
[0043]为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。
[0044]现结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分层多目标优化方法，其特征在于，包括以下步骤：S1：获取需要针对多个目标进行优化的多目标优化模型和待优化的所有目标；S2：根据模糊简化层次分析法将待优化的所有目标划分为主导目标和从属目标；S3：基于帕累托最优解集，计算多目标优化模型的满足所有主导目标的非支配解；S4：针对步骤S3得到的所有非支配解，以从属目标为基准对其进行筛选和/或排序，根据筛选和/或排序后的结果得到多目标优化模型的最优解。2.根据权利要求1所述的分层多目标优化方法，其特征在于：步骤S2的具体实现过程包括以下步骤：S201：构建描述m个目标之间两两重要性程度优劣关系的模糊简化判断矩阵FSAM：式中，m表示目标的总数，a
i,1
表示第i个目标与第1个目标之间的重要性程度，a
1,i
表示第1个目标与第i个目标之间的重要性程度，
…
，a
i,i
表示第i个目标与第i个目标之间的两两重要性程度，i表示目标的序号，m表示目标的总数；S202：根据模糊简化判断矩阵FSAM中的各元素对应的两个目标之间的重要性程度的大小关系确定各元素的取值；S203：计算模糊简化判断矩阵FSAM中各行元素的几何均值，将第i行元素的几何均值作为第i个目标的特征值；S204：对计算的所有几何均值进行归一化处理，得到各目标的归一化特征值；S205：按照从大到小的顺序将归一化特征值进行排序，并按照排序的顺序切分为两部分，将排序靠前的部分对应的目标作为主导目标，将排序靠后的部分对应的目标作为从属目标。3.根据权利要求2所述的分层多目标优化方法，其特征在于：步骤S202中各元素的取值的计算公式为：式中，a
i,i
′
表示第i个目标与第i
′
个目标之间的两两重要性程度，S
i
和S
i
′
分别表示第i个目标和第i
′
...

【专利技术属性】
技术研发人员：赵英汝，林健，谢珊，孟超，何娴雅，
申请(专利权)人：厦门大学，
类型：发明
国别省市：