[发明专利]一种改进的基于规则模型的多目标分布估计方法

权利要求书

1.一种改进的基于规则模型的多目标分布估计方法，其特征在于，包括以下步骤：

1)初始化种群，在进行种群初始化时，不采用原始的随机化初始化方法，而是采用基于序列的确定化随机化方法得到初始种群；

2)聚类：采用基于规则模型的多目标分布算法RM-MEDA中的局部主成分分析方法进行聚类；

3)繁殖：为增强全局搜索能力，在多目标分布算法ERM-MEDA中增加繁殖策略，此繁殖策略是基于全局搜索能力强，多样性好以及收敛速度快的多目标差分算法采用的交叉，变异操作方式变形而来，首先根据当前种群中的个体产生突变向量：

其中，g表示当前迭代的代数，表示一个突变向量，其中r1,r2,r3是种群中的三个随机个体，F是变异策略中在[0,1]的变异因子，接着对应每一个突变向量产生一个在(0,1)之间的随机数rand_i，若rand_i≤0.4，按照公式(2)生成新个体，否则按照公式(3)生成新个体；

其中，表示通过突变向量所产生的第(g+1)代新个体，为第g代中第i个突变向量的第j个变量，为第g代中第i个个体的第j个变量，CR为交叉算子，在0到1之间取值，j_rand是1到D之间的一个常数，rand_j为0到1之间的一个随机数，D为决策变量的维数，Q为所在聚类的协方差矩阵对应的特征向量，并且引入参数θ，通过θ将基于多目标差分算法的繁殖策略与原有的RM-MEDA中建模采样方式有机地结合起来，通过建模采样方式产生N×θ个新个体，通过交叉变异方式产生N×(θ-1)个新个体，其中N为种群大小，θ的定义为：

其中，T为最大迭代代数，与最大函数评价次数MAXFES有关，t为当前种群所在的迭代代数；

4)选择，采用快速非支配排序方法和拥挤距离选择个体组成新的种群；

5)判断是否满足终止条件，若函数评价次数FES小于最大函数评价次数MAXFES，则返回第2)步，否则，输出结果，即当前非支配解集。

2.根据权利要求1所述的一种改进的基于规则模型的多目标分布估计方法，其特征在于，所述的繁殖策略为基于差分算法的繁殖策略，繁殖策略采用了聚类的协方差矩阵对应的特征向量；并利用参数将此繁殖策略与建模采样繁殖策略有效结合在一起。