[发明专利]一种建设项目多目标优化方法

权利要求书

1.一种建设项目多目标优化方法，其特征在于，包括如下步骤：

步骤1：确定多目标优化的数学模型与遗传算法参数；

步骤2：建立约束可行的种群和种群目标函数矩阵；

步骤3：根据步骤2得到的目标函数矩阵，采用熵权法计算目标函数的客观权重，合成目标函数的混合动态权重；

步骤4：对步骤2得到的种群采用基于动态权重的方法进行排序，得到Pareto临时解集；

步骤5：根据步骤4得到的种群个体排序对个体附虚拟适应度值，采用比例选择算子与轮盘赌方法选择出子代种群；

步骤6：对步骤5得到的子代种群进行交叉操作；

步骤7：对步骤6交叉操作后的子代种群进行变异操作；

步骤8：对步骤4得到的Pareto临时解集和步骤6进行变异操作后的子代种群进行合并，产生新种群；

步骤9：若达到算法终止条件，则算法终止，否则返回步骤3。

2.根据权利要求1所述的建设项目多目标优化方法，其特征在于，步骤1具体包括：

设计变量个数与设计变量边界条件、约束函数g_a(x),a＝1,2,…,q、目标函数f_j(x),j＝1,2,…,m、m与目标函数的类型、目标函数的主观权重ω_z＝(ω₁，ω₂，…，ω_m)、遗传算法的种群规模n、进化代数T、交叉概率P_C与变异概率P_m，其中m表示目标函数的数量，q为约束函数个数；

对于目标函数的类型，定义如下：若目标函数f_j(x)取极大值，即越大越好，称为效益型目标函数；若目标函数f_j(x)取极小值，即越小越好，称为成本型目标函数。

3.根据权利要求2所述的建设项目多目标优化方法，其特征在于，步骤2具体包括：

种群初始化，对设计变量进行编码随机产生一个包含n个体的种群P₀，并构造空的临时Pareto最优解集Q，由于遗传算法初始种群对优化结果的影响较大，而且约束问题的罚函数法无法适应规范化处理，因此对初值种群中个体的约束可行性进行判断，违反约束的个体进行排除，直至获得n个约束可行的个体，得到约束可行的种群P和对应的n×m阶的目标函数矩阵F：

式中，f_ij为种群中第i个个体的第j个目标函数值，i＝1,2,...,n为种群中个体数，j＝1,2,...,m为个体的目标函数个数；

采用式(2)进行目标函数矩阵F的初始化，避免目标函数矩阵中负值的存在对熵权计算和方案排序的影响，得到初始化后的种群目标函数矩阵Y＝(y_ij)_n×m；