[发明专利]基于混合高斯模型的多模态交叉熵优化算法

说明书

本发明公开了一种基于混合高斯模型的多模态交叉熵优化算法。该算法包括如下步骤：根据卫星总体设计需求，确定目标函数；基于目标函数，产生多个随机样本，并设定循环终止条件；利用基于排挤的小生境算法进行聚类，以将多个随机样本划分为多个小生境；挑选出每个小生境中的最优样本，构建混合高斯模型，并采用交叉熵算法进行采样迭代以获取多个解；判断循环终止条件是否满足，若是，进行下一步，若否，返回步骤3；在获取的多个解的每个解处使用序列二次规划法进行局部寻优，获取并输出多个全局最优解。本发明的多模态交叉熵优化算法能用于求解如卫星总体设计一类的复杂问题，有效地降低算法计算量，可获取多个全局最优解，以提供更多设计方案。

技术领域

本发明涉及卫星总体设计技术领域，尤其涉及一种基于混合高斯模型的多模态交叉熵优化算法。

背景技术

多学科设计优化技术是一种通过充分探索和利用工程系统中的相互作用的协同机制，并考虑各学科(各子系统)之间的相互作用，从整个系统角度进行优化设计的复杂系统设计方法。对于卫星总体设计，传统的设计优化算法主要包括梯度法和智能优化算法，但梯度法容易陷入局部最优，而大多数的智能优化算法只能求得一个解。为了克服上述缺陷，目前采用一种多模态优化算法来处理卫星的多模态问题，现有的多模态优化算法分为三类，第一类是基于复杂的模型，该模型可以包括若干个子模型，在问题求解过程中，每个子模型均可以得到一个解；第二类是采用聚类思想和进化算法相结合的方式，利用聚类思想将种群进行划分，然后每个类对应一个区域以利用智能优化算法求解；第三类是采用群智能优化算法和传统优化算法相结合的方式，利用群智能优化算法如粒子群等进行改进，以提高种群的多样性，再利用传统优化算法如梯度法进行局部寻优。

但随着技术发展，卫星系统越趋复杂，例如约束越来越多、目标个数越来越多、以及维度越来越高。对于更趋复杂的卫星总体设计而言，现有的三类多模态优化方法中，利用第一类算法进行卫星总体设计优化时，复杂模型难以建立，且利用期望最大化(Expectation Maximization，EM)算法进行计算时需要耗费大量的计算资源；利用第二类算法进行卫星总体设计优化时，主要基于小生境(niching)技术进行分治，该算法对参数设置较为敏感，小生境半径或种群个数对于算法的求解效果影响很大；利用第三类算法进行卫星总体设计优化时，卫星的结构及系统越复杂，该算法的参数也越复杂，针对复杂系统，在实际求解过程中，该算法的求解效果较差。

发明内容

为解决上述现有技术中存在的技术问题，本发明提供一种基于混合高斯模型的多模态交叉熵优化算法。

为此，本发明公开了一种基于混合高斯模型的多模态交叉熵优化算法，所述算法包括如下步骤：

1)根据卫星总体设计需求，确定目标函数；

2)基于所述目标函数，产生多个随机样本，并设定循环终止条件；

3)利用基于排挤的小生境算法进行聚类，以将所述多个随机样本划分为多个小生境；

4)挑选出每个所述小生境中的最优样本，构建混合高斯模型，并采用交叉熵算法进行采样迭代以获取多个解；

5)判断所述循环终止条件是否满足，若是，进行下一步，若否，返回步骤3；

6)在获取的所述多个解的每个解处使用序列二次规划法进行局部寻优，获取并输出多个全局最优解。

进一步地，在所述基于混合高斯模型的多模态交叉熵优化算法中，所述基于排挤的小生境算法利用式1进行聚类；

其中，S_i表示第i个小生境，P表示排除了前i-1个小生境里的个体后的种群，x_j表示种群P中的第j个个体，x_seed表示第i个小生境里的最优个体，r_i表示第i个小生境的小生境半径，D表示设计变量的维度。