[发明专利]一种基于指标和方向向量相结合的多目标优化方法及系统

权利要求书

1.一种基于指标和方向向量相结合的多目标优化方法，其特征在于，包括步骤：

A、将方向向量、进化种群、理想点向量进行初始化；

B、根据初始化的进化种群生成新个体；

C、将新个体与初始化进化种群进行合并，获取合并后进化种群中所有的非支配解，对合并后进化种群进行迭代直至合并后进化种群中非支配解的个数与初始化的进化种群的大小相等，并输出迭代后的进化种群所对应的解。

2.根据权利要求1所述基于指标和方向向量相结合的多目标优化方法，其特征在于，所述步骤A具体包括：

A1、初始化方向向量λ＝(λ₁,λ₂,...,λ_m)^T，其中H为预先设定的取值为自然数的参数，m为目标个数，初始化方向向量λ的总个数

A2、获取第i个方向向量与初始化方向向量λ中其余N-1个方向向量的夹角，并获取方向向量之间夹角的最小值a_i；

A3、随机生成初始化进化种群EP＝(x¹,...,x^N)；其中xⁱ个体的适应度值F(xⁱ)，i∈{1,2,...,N}，EP的大小为N；

A4、设置当前迭代次数gen＝0；

A5、初始化理想点向量z^*＝(z₁^*,...,z_m^*)，其中z_k^*＝min(f_k(xⁱ))，i∈{1,...,N}，k∈{1,...,m}。

3.根据权利要求1所述基于指标和方向向量相结合的多目标优化方法，其特征在于，所述步骤B中初始化的进化种群根据模拟二进制交叉算子或背包算子来生成新个体。

4.根据权利要求3所述基于指标和方向向量相结合的多目标优化方法，其特征在于，所述步骤B具体包括：

B1、随机选择第i个子问题，i的取值为1到N之间，且第i个问题只能被选择一次；

B2、从初始化进化种群EP中随机选择两个个体k和l作为副本，并将第k个子问题对应的个体x^k和第l个子问题对应的个体x^l产生新个体y，当新个体y超过预先设置的决策空间Ω的范围则执行步骤B3，当新个体y未超过预先设置的决策空间Ω的范围则执行步骤B4；

B3、重新随机生成新解并代替新个体y；

B4、计算新个体y的目标函数值向量F(y)＝(f₁(y),...,f_m(y))；

B5、更新理想点向量为其中k∈{1,...,m}；

B6、将新个体y放置于新个体集Y中，其中Y＝Y+{y}，其中新个体集φ的初始值为φ。