[发明专利]一种基于信息熵在线分解的高维问题优化方法

权利要求书

1.一种基于信息熵在线分解的高维问题优化方法，其特征在于包括下述步骤：

步骤1：在无人水下航行器的航路规划中，每个航路点的纵向坐标为一个决策变量，航路点个数n个，航路点为n维，将具有n个决策变量的优化问题miny＝f(x₁,x₂,…,x_n)的决策变量进行随机排列，函数f(x₁,x₂,…,x_n)代表航路所需的时间，从随机排列的决策变量序列第一个开始，每k个决策变量组成一个子问题，共形成m个子问题，n＝k*m，并将此随机分组模型记为M⁰；随机产生一个解计算y^*＝f(X^*)；初始化进化代数iter＝0，进化停滞次数stg＝0；

步骤2：对分组模型M⁰中的每一个子问题中使用协方差自适应进化策略进行一次解空间采样，将各个子问题采样获得的解按照采样顺序组合起来，获得λ个完整解X₁,X₂,…,X_λ，并对λ个完整解进行评价获得y₁,y₂,…,y_λ，标记当前采样所得的解中y值最小的解为X_b及评价值y_b；进化代数累加一代，令iter加1；若y_by^*，则置stg＝0，X^*←X_b，y^*←y_b；若y_b≥y^*，则stg＝stg+1，X^*、y^*不变；

步骤3：若进化停滞次数stg大于阈值，进行步骤4；否则，返回步骤2；

步骤4：将n个决策变量视为n个子问题，形成分组模型M⁰←([x₁][x₂]…[x_n])；以X₁,X₂,…,X_λ为样本点，建立M⁰的边缘概率模型；

步骤5：计算模型M⁰的评价C⁰，公式如下：

其中，N是种群中个体的个数，S[I]是第I个子问题所具有的决策变量个数，E(I)是子问题I的边缘分布的信息熵；

步骤6：将当前模型M⁰的任意两个子问题合并，产生t个新的分组模型M₁～M_t；以X₁,X₂,…,X_λ为样本点，建立M₁～M_t的边缘概率模型；然后，利用公式(1)计算模型M₁～M_n的评价值C¹～Cⁿ；

步骤7：将评价值C¹～Cⁿ中的最小值标记为C^*，具有最小评价的模型标记为M^*，若C^*C⁰，则将C⁰赋值为C^*，M⁰赋值为M^*，即C⁰←C^*、M⁰←M^*，并返回步骤6；若C^*≥C⁰，则C⁰、M⁰保持不变，进行步骤8；

步骤8；输出当前模型M⁰为最终的变量分组结构；

步骤9：若iter≥T_max，T_max为最大次数，输出X^*为需要解决的优化问题miny＝f(x₁,x₂,…,x_n)的最优解，并结束；若iterT_max，返回步骤2；由此将高维问题进行随机分组并且利用协方差自适应进化，再利用基于信息熵的方法将决策变量重新分组，提高优化效果。

2.根据权利要求1所述的一种基于信息熵在线分解的高维问题优化方法，其特征在于：

所述步骤3中的阈值取值为1000。