【技术实现步骤摘要】
本专利技术属于多目标优化算法领域，具体涉及一种基于支配关系选择和分布性评估的多目标优化方法。
技术介绍
1、在现实世界中，一个优化问题往往会存在多个优化目标，这些目标之间通常制约，因此难以给出一个解使得所有目标都同时达到最优，取而代之的是一组折衷解。这一类问题被称为多目标优化问题(multi-objective optimization problems，mops)。对于mops的求解，一种常用且可靠地方法是通过进化算法不断迭代得到最终的解集。目前研究的进化算法主要包括遗传算法、进化规划和进化策略，其中遗传算法的发展最为成熟，其基本框架已经在多目标优化领域得到了充分应用和扩展。
2、遗传算法是一种模拟自然界生物进化过程以搜索最优解集的算法，通过将问题的求解过程转换为类似生物进化中染色体基因的交叉和变异的过程，之后不断迭代以得到优势个体。遗传算法的主要框架包括个体评价、选择运算、交叉运算、和变异运算等环节，其中交叉和变异运算在多目标优化领域通常作为基本算子，而个体评价和选择运算通常是各算法做出改进的环节。
3、如d...
【技术保护点】
1.多目标优化中支配关系选择方法，其特征在于：通过判断每次迭代中父代和子代个体之间整体接近程度，在判定为接近和不接近两种情况下，采用不同的支配关系对解集进行非支配层级划分，自适应地调节选择压力；其中，父代和子代个体整体接近程度通过反世代距离和收敛度来衡量。
2.根据权利要求1所述的多目标优化中支配关系选择方法，其特征在于：所述反世代距离衡量接近程度的方法如下：
3.根据权利要求2所述的多目标优化中支配关系选择方法，其特征在于：所述收敛度衡量整体收敛程度，具体方法如下：
4.根据权利要求3所述的多目标优化中支配关系选择方法，其特征在于...
【技术特征摘要】
1.多目标优化中支配关系选择方法，其特征在于：通过判断每次迭代中父代和子代个体之间整体接近程度，在判定为接近和不接近两种情况下，采用不同的支配关系对解集进行非支配层级划分，自适应地调节选择压力；其中，父代和子代个体整体接近程度通过反世代距离和收敛度来衡量。
2.根据权利要求1所述的多目标优化中支配关系选择方法，其特征在于：所述反世代距离衡量接近程度的方法如下：
3.根据权利要求2所述的多目标优化中支配关系选择方法，其特征在于：所述收敛度衡量整体收敛程度，具体方法如下：
4.根据权利要求3所述的多目标优化中支配关系选择方法，其特征在于：所述支配关系的选择判据包括如下步骤：
5.基于向量角的分布性评估方法，其特征在于：首先，对解的目标值进行归一化；其次，计算当前个体与同一非支配层内...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。