[发明专利]基于层级、个体间距和惩罚策略的非支配解排序方法及系统

说明书

本发明公开了一种基于层级、个体间距和惩罚策略的非支配解排序方法及系统，涉及多目标优化算法领域。该方法的步骤为：按照约束条件将解群中向量解分为解集A和B；对解集A进行分层后，按照解集A中向量解的分层顺序和个体值间距，对所有向量解进行排序，形成第一非支配解集合；按照解集B中向量解的惩罚值从小到大的顺序，对所有进行排序，形成第二非支配解排序集合；将第二非支配解排序集合放置于第一非支配解排序集合之后，形成整体非支配解排序集合；按照整体非支配解排序集合中的向量解排列顺序，为整体非支配解排序集合中的所有向量解分配由大到小的适应值。本发明能够提高非支配解的精度和连续性，以及后续算法的收敛性。

技术领域

本发明涉及多目标优化算法领域，具体涉及一种基于层级、个体间距和惩罚策略的非支配解排序方法及系统。

背景技术

目前，许多复杂系统的设计都会涉及到多目标优化，即在满足相应设计约束条件下，寻求使得各个设计目标达到最优的设计方案。对于多目标设计优化问题，其难点在于如何在相互冲突或者不能同时达到最优的目标之间寻求折中方案。为此，研究人员提出了非支配解的概念，非支配解的特点是无法在改进任何目标的同时，不削弱其他的任何一个目标。

基于非支配解的概念，研究人员提出了各类多目标优化算法，例如非支配解排序算法和向量评价遗传算法等。这些算法的重点在于对非支配解个体分配合理的适应值，以提高所计算得到的非支配解的收敛性、连续性、均匀性和宽广性。

下面对上述算法在计算时需要用到解群S进行说明。

S由n个向量解组成，又由p个优化变量组成；对于双目标函数S和的数学描述如下：

上述算法的计算过程一般为：

一、判断S中的每一个向量解是否满足约束条件(约束条件的具体内容和数量自行设定)，将符合约束条件的向量解放入解集A，将不符合约束条件的向量解放入解集B。

二、按照非支配解的分层方式，对解集A中的所有向量解进行分层，具体为：