基于多阶段搜索的约束多目标进化方法技术

本发明专利技术涉及一种基于多阶段搜索的约束多目标进化方法。在方法的三个阶段采用不同的搜索策略。为使种群快速穿越大型不可行区域、逼近Pareto前沿，方法在第一阶段不考虑约束条件，利用一种收敛性指标引导种群搜索；第二阶段采用一组均匀分布的权重向量来维持种群的多样性，并提出一种改进的epsilon约束处理策略，保留不可行区域中的高质量解；第三阶段采用约束优先原则，将搜索偏好集中在可行区域以保证最终解集的可行性。保证最终解集的可行性。保证最终解集的可行性。

【技术实现步骤摘要】
基于多阶段搜索的约束多目标进化方法


[0001]本专利技术涉及一种基于多阶段搜索的约束多目标进化方法。

技术介绍

[0002]约束多目标优化问题(Constrained Multi
‑
objective Optimization Problem,CMOP)在日常生活中和工程问题上经常出现。由于约束的存在，CMOP的目标空间被划分为可行区域和不可行区域，方法需要在搜索过程中穿越不可行区域，并在可行区域中寻找到一组分布良好的高质量解集。为了处理CMOP，学者们提出了许多约束多目标进化算法(Constrained Multi
‑
Objective EvolutionaryAlgorithm,CMOEA)。解决CMOP的关键在于设计合适的约束处理策略，使得最终解集在满足约束的同时又取得理想的收敛性与多样性。但面对具有大型不可行区域的问题时，由于始终以约束作为主要的个体选择指标，种群将聚集于可行区域边缘，从而导致方法搜索的停滞。epsilon约束处理方法利用一个参数来调整对于不可行解的接受程度，一定程度上弥补了约束优先本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多阶段搜索的约束多目标进化方法，其特征在于，包括如下步骤：第一阶段：将约束多目标优化问题转化为不考虑约束的单目标优化问题，使方法在搜索过程中不受约束的阻碍，快速接近Pareto前沿；第二阶段：采用基于分解的思想，利用权重向量引导种群均匀地搜索整个目标空间，同时提出一种改进的epsilon约束处理策略，保留部分不可行解；第三阶段：采用基于约束优先原则，从而得到一组高质量的可行解。2.根据权利要求1所述的基于多阶段搜索的约束多目标进化方法，其特征在于，该方法具体实现方式如下：1)CMOP问题：一个具有m个目标函数的约束多目标优化问题CMOP表述为：minF(x)＝(f1(x),f2(x),...,f
m
(x))
T
s.t.g
i
(x)≤0,i＝1,2,...,lh
j
(x)＝0,j＝l+1,l+2,...,nx＝(x1,x2,...,x
d
)∈S其中，x是d维决策向量，S是决策空间，F(x)由m个目标函数f1(x),f2(x),...,f
m
(x)组成，g
i
(x)是第i个不等式约束，h
j
(x)是第j个等式约束，l和(n
‑
l)分别是不等式约束和等式约束的个数；在超大规模集成电路物理设计的布线问题中，为使布线在减少线长的同时也能够满足时序约束，需要同时优化线长和源点到某一汇点的最长距离，即半径；因此，它具有2个目标函数f1(x)和f2(x)分别计算线长和半径，有不等式约束g1≥0表示布线中每个引脚的松弛值非负以保证时序的规范性，其计算公式如下：f1(x)＝(∑
edge∈x
WL
edge
)
‑
WL
rep
其中，edge表示两个引脚之间的边，WL
edge
表示edge的线长，WL
rep
表示重复边的线长；其中，v表示引脚，leaf(x)表示x的叶子节点的集合，path
v
表示从源点到引脚v的路径；g1(x)＝rat(v)
‑
aat(v),v∈x其中，rat(v)为引脚v信号的要求到达时间，aat(v)为引脚v信号的实际到达时间；2)约束违反度：约束违反度用于衡量个体的违反约束的程度，具体计算如下：约束违反度用于衡量个体的违反约束的程度，具体计算如下：其中，CV
i
(x)为个体x在第i个约束上的约束违反度，η是一个非常小的正数；当且仅当CV(x
*
)＝0时，称个体x*为可行解；3)收敛性指标：第一阶段搜索将约束多目标优化问题CMOP转化为不考虑约束的单目标问题，利用收敛
性指标conv()保留收敛性较好的个体，实现种群快速穿越不可行区域；收敛性指标计算公式如下：其中f
i
(x)表示的是个体x在第i个目标函数上的目标函数值；经过第一阶段的搜索后，得到一组接近Pareto前沿中心的解，便于种群在后续阶段向其他方向进行搜索，实现种群的广泛分布；4)第一阶段环境选择：第一阶段依据收敛性指标进行个体选择；首先计算种群P
t

【专利技术属性】
技术研发人员：刘耿耿，鲁任，裴镇宇，
申请(专利权)人：福州大学，
类型：发明
国别省市：