【技术实现步骤摘要】
本专利技术属于多目标进化优化，具体涉及基于双种群的约束高维多目标进化方法。
技术介绍
1、现实中许多优化问题含有多个待优化的目标，它们之间是相互影响，相互抑制，即不存在一个能使所有目标同时达到最优值的解。这些问题被称为多目标优化问题(multi-objective optimization problem,mop)。多目标优化在科学研究和工程实践中存在广泛应用，例如，在监督学习问题中，要最小化模型的训练误差的同时，最小化模型的复杂度。在聚类问题中，要最大化类内紧密度的同时，最小化类间紧密度。在汽车车身的设计过程中，要最小化车身气动阻力的同时，最大化车身横风稳定性，还要最小化人力成本和计算资源。在多目标优化旨在求得一组折衷的解，平衡各个目标之间的值，使它们在整体上达到最优，便于决策者根据实际问题的需求，从得到的解集中选择任意一个或多个解作为最终的解决方案。然而多目标优化问题中的约束高维多目标优化问题求解难度较高，目前针对高维多目标优化问题的maoea以及针对约束多目标优化问题的约束多目标进化方法相关研究较为丰富，而针对约束高维多目标优化问题的约束高维多目标进化方法相关工作却很少。约束高维多目标优化问题同时具有高维空间和复杂约束这两个特征，使用现有的maoea或者约束多目标进化方法来直接求解约束高维多目标优化问题往往不能取得理想的结果。求解约束高维多目标优化问题时主要面临以下几点困难：
2、(1)随着目标空间的扩大，基于支配关系的方法选择压力骤降。即使不使用支配关系，在高维的目标空间中如何平衡收敛性与多样性也是一个难题。
3、(2)尽管现有的约束多目标进化方法能够很好地处理约束，但它们仍无法高效地在高维空间中挑选出优质个体。
4、(3)约束高维多目标优化问题中的复杂约束将可行域划分成许多不连续的子区域，因此方法在搜索的过程中，需要同时兼顾可行域和不可行域。而现有的大多数方法只是简单地将种群推向可行域边缘，导致种群的搜索陷入局部最优。
技术实现思路
1、为了解决约束高维多目标优化问题，进化方法需要在满足约束条件的情况下，在高维的目标空间中进行搜索。相较于约束多目标优化问题和高维多目标优化问题，约束高维多目标优化问题给进化方法的性能带来了更大的挑战。
2、为此，本专利技术设计了一种基于双种群的约束高维多目标进化方法。主种群作为该方法最终输出的种群，注重于探索可行域。副种群不考虑约束条件，注重于优化目标函数，为主种群提供收敛性与多样性优秀的个体。提出可行域收缩策略，使该方法能够自适应调整对可行域和不可行域的探索。为了解决在约束高维多目标优化问题中出现选择压力不足的问题，提出一种动态生存函数，动态生存函数兼顾个体的收敛性与多样性信息，进而能够准确地评估种群中个体的质量。
3、其设计要点包括：
4、1.设计双种群进化框架：主种群作为方法最终输出的种群，注重于探索可行域。副种群不考虑约束条件，注重于优化目标函数，为主种群提供收敛性与多样性优秀的个体。
5、2.设计v可行域收缩策略：使方法能够自适应调整对可行域和不可行域的探索，避免种群在搜索过程中陷入局部最优。
6、3.设计基于小生境的密度函数：用于准确评估个体的多样性。小生境的大小能够根据当前种群分布情况自适应地调整，而不需要引入额外的参数。另外密度函数中包含了对个体收敛性的考量，从而缓解因注重多样性而导致收敛性的退化。
7、4.设计动态生存函数：动态生存函数兼顾个体的收敛性与多样性信息，能够准确地评估种群中个体的优劣，并解决了在约束高维多目标优化问题中出现选择压力不足的问题。
8、本专利技术解决其技术问题具体采用的技术方案是：
9、一种基于双种群的约束高维多目标进化方法，其特征在于，以主种群作为最终输出的种群，注重于探索可行域；副种群不考虑约束条件，注重于优化目标函数，为主种群提供收敛性与多样性优秀的个体；在所述主种群的环境选择中采用可行域收缩策略，以能够自适应调整对可行域和不可行域的探索；为了解决在约束高维多目标优化问题中出现选择压力不足的问题，在所述副种群的交配池中采用以动态生存函数值作为个体的适应度值以兼顾个体的收敛性与多样性信息，进而能够准确地评估种群中个体的质量。
10、进一步地，所述双种群由主种群和副种群两个种群构成，分别具有独立的构建交配池和环境选择规则；主种群作为输出种群，在进化的过程中更加重视对目标空间中可行域的搜索，以保证输出种群能够满足约束条件；副种群作为辅助种群，在进化的过程中无需考虑约束条件，更加重视对目标函数的优化，即寻找在目标函数上表现优秀的个体；分别在主种群和副种群中选择父代个体，构建交配池，生成满足约束条件并在目标函数上表现优秀的高质量个体。
11、进一步地，所述可行域收缩策略具体为：
12、引入标准约束违反度，将约束违反度的区间转化至[0,1]，标准约束违反度的具体公式如下：
13、
14、其中，p0是初始种群，h为约束个数；
15、采用所述可行域收缩策略将原问题转化为：
16、min f(x)＝(f1(x),f2(x),...,fm(x))
17、s.t.g(x)＝(g1(x),g2(x),...,gh(x))≤ε(t)
18、where
19、其中，t是当前迭代次数，maxt是最大迭代次数，是可行域收缩函数，具体公式如下：
20、
21、进一步地，所述主种群的更新机制具体包括：
22、主种群交配池构建：
23、主种群在选择父代个体时，倾向于选择标准约束违反度更小的个体；
24、主种群环境选择：
25、主种群的环境选择由两部分构成：(1)ε采用约束支配原则从ε可行解中选出非支配解，以逼近pareto前沿；(2)采用nsga-iii中基于参考向量的策略对多余的个体进行截断；在约束支配原则中，当满足下列任一条件时，个体将约束支配个体：
26、(1)个体x1为ε可行解，个体x2为ε不可行解；
27、(2)个体x1和x2均为ε不可行解，而个体x1具有更小的标准约束违反度；
28、(3)个体x1和x2均为ε可行解，而在目标函数上个体x1支配个体x2；
29、首先，采用约束支配原则将种群划分成若干非支配层(f1,f2,...,fu)，从ε可行解中选出目标函数值更优的个体，从εv不可行解中选出标准约束违反度更小的个体；
30、其次，为了从大小为2n的合并种群中选出大小恰好为n的个体进入下一代，本专利技术采用了nsga-iii中基于参考向量的截断策略从中删除多余的个个体。
31、进一步地，所述副种群的更新机制具体包括：
32、(1)副种群交配池构建
33、以动态生存函数值作为个体的适应度值；具体公式如下：
34、dsf(x)＝(1-α)×rf本文档来自技高网...
【技术保护点】
1.一种基于双种群的约束高维多目标进化方法，其特征在于，以主种群作为最终输出的种群，注重于探索可行域；副种群不考虑约束条件，注重于优化目标函数，为主种群提供收敛性与多样性优秀的个体；在所述主种群的环境选择中采用可行域收缩策略，以能够自适应调整对可行域和不可行域的探索；为了解决在约束高维多目标优化问题中出现选择压力不足的问题，在所述副种群的交配池中采用以动态生存函数值作为个体的适应度值以兼顾个体的收敛性与多样性信息，进而能够准确地评估种群中个体的质量。
2.根据权利要求1所述的基于双种群的约束高维多目标进化方法，其特征在于：所述主种群采用NSGA-III中基于参考向量的策略对多余的个体进行截断。
3.根据权利要求1所述的基于双种群的约束高维多目标进化方法，其特征在于：所述动态生存函数由收敛函数和基于小生境技术的密度函数构成。
4.根据权利要求1所述的基于双种群的约束高维多目标进化方法，其特征在于：所述双种群由主种群和副种群两个种群构成，分别具有独立的构建交配池和环境选择规则；主种群作为输出种群，在进化的过程中更加重视对目标空间中可行域的搜索，以保
5.根据权利要求1所述的基于双种群的约束高维多目标进化方法，其特征在于：
6.根据权利要求5所述的基于双种群的约束高维多目标进化方法，其特征在于：
7.根据权利要求1所述的基于双种群的约束高维多目标进化方法，其特征在于：
8.根据权利要求7所述的基于双种群的约束高维多目标进化方法，其特征在于：
...【技术特征摘要】
1.一种基于双种群的约束高维多目标进化方法，其特征在于，以主种群作为最终输出的种群，注重于探索可行域；副种群不考虑约束条件，注重于优化目标函数，为主种群提供收敛性与多样性优秀的个体；在所述主种群的环境选择中采用可行域收缩策略，以能够自适应调整对可行域和不可行域的探索；为了解决在约束高维多目标优化问题中出现选择压力不足的问题，在所述副种群的交配池中采用以动态生存函数值作为个体的适应度值以兼顾个体的收敛性与多样性信息，进而能够准确地评估种群中个体的质量。
2.根据权利要求1所述的基于双种群的约束高维多目标进化方法，其特征在于：所述主种群采用nsga-iii中基于参考向量的策略对多余的个体进行截断。
3.根据权利要求1所述的基于双种群的约束高维多目标进化方法，其特征在于：所述动态生存函数由收敛函数和基于小生境技术的密度函数构成。
4.根据权利要求1所...
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。