[发明专利]一种多目标协同问题的渐进式组合优化方法

权利要求书

1.一种多目标协同问题的渐进式组合优化方法，其具体包括以下的步骤：步骤一、目标分解：将多目标协同问题逐层分解，形成优化问题的层级式结构，采用拉格朗日松弛法将求原问题的解转化为求拉格朗日函数松弛问题的解，其中拉格朗日松弛化罚函数中的惩罚参数通过步骤二更新；步骤二、采用迭代法更新惩罚参数；步骤三、检验收敛性：当迭代次数超过设定的阈值或者连续两次的函数的最小值小于一个给定的数，则停止并输出最优解，否则回到步骤二更新惩罚参数，并用更新后的惩罚参数计算并检验收敛性。

2.如权利要求1所述的多目标协同问题的渐进式组合优化方法，其特征在于所述步骤二中采用迭代法更新惩罚参数的具体过程为：拉格朗日乘子的转置向量                                               的更新迭代表达式为：，的线性更新机制为:，其中k指外层循环迭代次数，的计算依赖内层循环解的、和非一致性向量，为惩罚函数权重，大于等于1。

3.如权利要求1所述的多目标协同问题的渐进式组合优化方法，其特征在于所述方法具体为采用数乘法来实现惩罚参数的更新和检验收敛。

4.如权利要求3所述的多目标协同问题的渐进式组合优化方法，其特征在于所述数乘法具体包括以下的步骤：a) 定义问题分解：初始化、，设置k = 0并为首次迭代 和定义惩罚参数；b) 求解内循环：置k = k + 1, 应用指定的和求解分解问题，得到新的估计解、和；c) 检验收敛性：如果外层循环收敛即每个系统获得的对应变量差值很小, 置k = K 停止，否则, 转步骤d)；d) 外层循环，更新惩罚参数，转到步骤b)。

5.如权利要求1所述的多目标协同问题的渐进式组合优化方法，其特征在于所述多目标协同问题的目标函数为，满足：，是所有设计变量的完全向量，是整个目标函数，和是相应的不等式和等式约束函数。

6.如权利要求1所述的多目标协同问题的渐进式组合优化方法，其特征在于所述目标函数通过单元加法分为，分为N 层M 个单元的层次型结构。

7.如权利要求1所述的多目标协同问题的渐进式组合优化方法，其特征在于所述方法还包括为了使每一个单元问题都是可分的，从而能够独立求解，引入响应和一致性约束，强迫响应匹配最初的目标，并且一致性约束用罚函数松弛并添加到目标函数上。