基于混合偏好模型的进化高维多目标优化方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113705109A(43)申请公布日2021.11.26(21)申请号202111029156.9G06F111/04(2020.01)(22)申请日2021.09.02(71)申请人中国人民解放军战略支援部队航天工程大学地址101499北京市怀柔区泉河街道八一路一号(72)发明人熊伟熊明晖简平刘德生刘正刘文文韩驰于小岚(74)专利代理机构北京八月瓜知识产权代理有限公司11543代理人张峰(51)Int.Cl.G06F30/27(2020.01)G06N3/12(2006.01)G06F111/06(2020.01)权利要求书3页说明书13页附图6页(54)发明名称基于混合偏好模型的进化高维多目标优化方法及系统(57)摘要本发明公开了一种基于混合偏好模型的进化高维多目标优化方法及系统，所述方法包括：根据决策者偏好构造混合偏好模型；随机生成规模为N的初始种群P0，基于第t代父种群Pt，由重组算子通过交叉变异生成子种群Qt，子种群Qt与Pt取并集后得到更新后的种群Pt；基于所述混合偏好模型设计三级排序算法，协作引导种群Pt向偏好区域进化，并在其内部保持均衡的收敛性和分布性；循环三级排序算法直至算法终止条件满足，输出满意解。CN113705109ACN113705109A权利要求书1/3页1.一种基于混合偏好模型的进化高维多目标优化方法，其特征在于，包括：S1.构造混合偏好模型，具体方法为：S101.根据决策者偏好设定其在各维度空间上的偏好区域，构成目标区域；S102.在单位超平面上生成一组均匀分布的参考点，并基于所述目标区域通过坐标转换将参考点约束到指向目标区域的单位超球面上；S103.综合所述参考点和所述偏好区域构成混合偏好模型；S2.随机生成规模为N的初始种群P0，基于第t代父种群Pt，由重组算子通过交叉变异生成子种群Qt，子种群Qt与Pt取并集后得到更新后的种群Pt；S3.基于所述混合偏好模型设计三级排序算法，协作引导种群向偏好区域进化并在其内部保持均衡的收敛性和分布性，具体方法为：S301.基于帕累托Pareto非支配关系对更新后的种群Pt进行第一级排序，得到参加后两级排序的种群St，将St分为和S302.基于增强支配关系对位于所述目标区域内的子种群进行第二级排序，选出在目标区域内帕累托前沿PF上具有良好收敛性和分布性的解S303.基于经步骤S102约束后的参考点对位于所述目标区域外的子种群进行第三级排序，选出接近所述目标区域中心且具有良好分布性的解S304.根据三级排序所得序列选择和共同构成下一代父种群Pt+1，作为新的Pt，t＝t+1；S4.循环步骤S3所述三级排序算法直至算法终止条件满足，输出满意解。2.根据权利要求1所述的方法，其特征在于，步骤S102所述基于所述目标区域通过坐标转换将参考点约束到指向目标区域的单位超球面上的具体方法为：通过公式1进行坐标转换，将分布在超平面的参考点约束到指向目标区域：其中，为初步调整后的参考点，λi,j为调整前的参考点，表示在第j维目标上偏好区域的上界，LP(fj)为目标区域在第j维上的偏好区间长度；相应的单位参考点如公式2所示：所述单位参考点位于所述单位超球面上。3.根据权利要求1所述的方法，其特征在于，根据三级排序所得序列选择和的具体方法为：选择一半构成基于参考点在中优先选择接近偏好区域中心的解构成且4.根据权利要求1所述的方法，其特征在于，步骤S303所述第三级排序的具体方法为：计算所述目标区域与所述约束后的参考点的集合中的一个参考点间的余弦相似度，根据余2CN113705109A权利要求书2/3页弦相似度降序排序得到各参考点的序列。5.根据权利要求1所述的方法，其特征在于，步骤S4所述终止条件为：判断迭代次数t是否大于输入的最大迭代次数，若大于，则所述循环终止，输出满意解。6.一种基于混合偏好模型的进化高维多目标优化系统，其特征在于，包括：模型构造模块：用于构造混合偏好模型，具体用于：根据决策者偏好设定其在各维度空间上的偏好区域，构成目标区域；在单位超平面上生成一组均匀分布的参考点，并基于所述目标区域通过坐标转换将参考点约束到指向目标区域的单位超球面上；综合所述参考点和所述偏好区域构成混合偏好模型；初始化模块：用于随机生成规模为N的初始种群P0，基于第t代父种群Pt，由重组算子通过交叉变异生成子种群Qt，子种群Qt与Pt取并集后得到更新后的种群Pt；排序模块：用于基于所述混合偏好模型设计三级排序算法，协作引导种群向偏好区域进化并在其内部保持均衡的收敛性和分布性，具体用于：基于帕累托Pareto非支配关系对更新后的种群Pt进行第一级排序，得到参加后两级排序的种群St，将St分为和基于增强支配关系对