[发明专利]基于改进非支配排序遗传算法的空间对象索引与查询方法

权利要求书

1.基于改进非支配排序遗传算法的空间对象索引与查询方法，其特征在于，包括以下步骤：

步骤1，获取空间待分割对象属性数据；

步骤2，建立倒排文本空间对象索引聚类的多目标优化模型，模型表示如下

其中F(x)为所述模型的目标函数，h表示子目标函数的个数，g_i(x)表示不等式约束条件，m表示不等式约束的个数，h_j(x)表示不等式约束条件，n表示等数约束条件的个数；

步骤3，采用改进的非支配排序遗传算法NSGA-III对所述的多目标优化模型进行求解，计算出空间待分割对象的聚类方案；

步骤4，根据所述的聚类方案构建倒排文本空间索引树；

步骤5，根据查询请求对所述的倒排文本空间索引树进行搜索，获得查询结果；

所述的空间待分割对象的集合表示为O＝{o₁,o₂,...,o_K}，K为空间对象的数量，解空间决策向量x∈Ω，x＝(o₁,o₂,...,o_u,o_u+1,o_u+2,...,o_K)，第i个空间对象的信息表示为o_i＝{loc,doc}，其中，loc代表该对象所处的空间位置信息，loc＝(x_i,y_i)，(x_i,y_i)代表该对象所处空间位置，doc＝(t₁,t₂,...,t_n)，(t₁,t₂,...,t_n)表示该对象所包含的关键字；

所述空间待分割对象属性数据包括空间对象集合，以及每一个空间对象的空间位置信息和文本描述信息；所述的多目标优化模型的目标函数F(x)中子目标函数包括，MBR重叠区域最小化、MBR区域总面积最小化、平均最大距离最小化、文本相似度最小化；约束条件包括服务的子节点数量的平衡约束；

MBR重叠区域f₁(x)的计算公式为：

f₁(x)＝OverLap(x)＝OverLap({D_x(O)})

     ＝OverLap({o₁,o₂,...,o_u,o_u+1,o_u+2,...,o_K})

     ＝MBR(o₁,o₂,...,o_u)∩MBR(o_u+1,o_u+2,...,o_K)

所述的空间划分方法D_x(O)是指，在决策向量x∈Ω下，对于空间对象集合O＝{o₁,o₂,...,o_K}，其空间划分方法定义为：D_x(O)＝{o₁,o₂,...,o_u,o_u+1,o_u+2,...,o_K}；

MBR区域总面积f₂(x)的计算公式为：

f₂(x)＝TotalS(x)＝TotalS({D_x(O)})＝TotalS({o₁,o₂,...,o_u,o_u+1,o_u+2,...,o_K})

    ＝MBR(o₁,o₂,...,o_u)∪MBR(o_u+1,o_u+2,...,o_K)-MBR(＜o₁,o₂,...,o_u＞)∩MBR(＜o_u+1,o_u+2,...,o_K)

平均最大距离f₃(x)计算公式为：

其中Dis(o_i,o_j)表示空间对象o_i和o_j之间的欧式距离；

文本相似度f₄(x)的计算公式为：

其中，o_i与o_j之间的语义相似度距离用SimDis(o_i,o_j)表示，文本相似度S(o_i,o_j)可以表示为：表示关键字t_k在向量模型中的值，tf(t,o.doc)表示关键字t在文本描述o.doc当中出现的次数，tf(t,Coll)表示关键字t在对象空间集合中出现的总次数，|Coll|表示对象空间词数总量，λ为参数值，用于调节单个文本关键字在全文本中的比重；

对于解空间决策向量x∈Ω，表示为：

所述的改进的非支配排序遗传算法中种群迭代的过程包括以下步骤：

步骤101，初始化种群集合，血统集合Linerage_t，然后对父代种群进行交叉变异，并将交叉变异后的血统保留下来存储到后代血统集合中Z_t；

步骤102，然后将父代与子代进行合并到JointP_t+1中，按照NSGA-III中对解的支配顺序进行排序，并将排序结果作为血统代号存入到当前代数的血统集合Linerage_t+1中；

步骤103，选择前i个等级的支配解，直到前i+1个等级的解数量大于最大种群数量，从第i+1个等级的解中选择若干解，使得种群规模等于最大种群数量；

步骤104，首先计算理想点和极值点，然后形成参考点和参考向量，遍历那些具有最小最近解的参考向量，寻找离参考向量最近的解作为候选集放入到下一代种群中。