[发明专利]一种混合多目标进化方法

权利要求书

1.一种混合多目标进化方法，其特征在于，包括：

在第G次迭代时，根据当前迭代次数调整自适应变异中的变异因子和交叉操作中的交叉因子，基于调整后的变异因子和交叉因子，利用自适应全局DE算法对第G代种群中所有个体进行自适应变异和交叉操作产生子种群；

将第G代种群和子种群进行结合，确定结合后的种群中每个个体在多个目标下的QoS指标值，根据确定的QoS指标值计算结合后的种群中每个个体的非支配等级和拥挤度；

根据计算得到的结合后的种群中每个个体的非支配等级和拥挤度，选择非支配等级低且拥挤度大的N个个体作为新种群，其中，所述新种群包括：非支配解集；

采用局部搜索方法对新种群中的非支配解集进行局部搜索，淘汰分布度不好的个体。

2.根据权利要求1所述的混合多目标进化方法，其特征在于，在第G次迭代时，根据当前迭代次数调整自适应变异中的变异因子和交叉操作中的交叉因子，基于调整后的变异因子和交叉因子，利用自适应全局DE算法对第G代种群中所有个体进行自适应变异和交叉操作产生子种群之前，所述方法还包括：

在第G次迭代时，计算第G代种群中所有个体在多个目标下的QoS指标值；

根据计算得到的第G代种群中每个个体在多个目标下的QoS指标值，计算第G代种群中每个个体的非支配等级和拥挤度；

根据计算得到的第G代种群中每个个体的非支配等级和拥挤度，从第G代种群中选出非支配等级最小且拥挤度最大的个体作为最优个体。

3.根据权利要求2所述的混合多目标进化方法，其特征在于，所述计算第G代种群中每个个体的拥挤度包括：

通过拥挤度计算公式计算每个个体的拥挤度，所述拥挤度计算公式表示为：

其中，表示第G代种群中个体x_i,G的拥挤度距离，和分别表示个体x_i+1,G和x_i-1,G在目标m下的QoS指标值，m∈(1,2,…,M)，M表示目标总数，和分别表示在目标m下最大QoS值和最小QoS值。

4.根据权利要求1所述的混合多目标进化方法，其特征在于，所述利用自适应全局DE算法对第G代种群中所有个体进行自适应变异包括：

通过自适应变异公式对第G代种群中所有个体进行自适应变异，得到第G代种群中每个个体的变异个体所述自适应变异公式表示为：

v_i,G＝(1-β)×x_r1,G+β×x_best,G+F×(x_r2,G-x_r3,G)

其中，v_i,G表示第G代种群中个体x_i,G的变异个体，β表示平衡参数，β＝G/G_max，G_max表示最大迭代次数，x_best,G表示第G代种群中最优的个体，F表示根据当前迭代次数调整后的变异因子，x_r1,G，x_r2,G，x_r3,G是第G代种群中不同于x_i,G的个体，r1，r2，r3∈{1,2,…,N}是随机生成的数，且r1≠r2≠r3≠i，N表示种群中个体的数目。

5.根据权利要求4所述的混合多目标进化方法，其特征在于，在通过自适应变异公式对第G代种群中所有个体进行自适应变异，得到第G代种群中每个个体的变异个体之后，所述方法包括：

通过交叉公式对第G代种群中个体x_i,G和变异个体v_i,G进行交叉操作，得到交叉个体，所述交叉公式表示为：

其中，表示交叉个体u_i,G的第j个参数，是个体x_i,G的第j个参数，j∈(1,2,…,D)，D是个体中参数的个数，表示变异个体的第j个参数，CR表示根据当前迭代次数调整后的交叉因子，rand是[0，1]之间的随机数，α∈(1,2,…,D)是一个随机数。