[发明专利]基于动态分解和选择的超多目标优化方法、系统、终端

权利要求书

1.一种基于动态分解和选择的超多目标优化方法，其特征在于，所述基于动态分解和选择的超多目标优化方法包括：

步骤一，随机初始化具有N个个体的种群P，初始化当代演化代数为0；计算出被选个体距离超平面的距离和个体对应的参考点之间的距离，并利用DDS策略选择N个优秀个体作为下一代演化子代P；

步骤二，初始化子代种群O为空集；

步骤三，针对父代中的N个个体，开始循环处理；初始化用于存储子代个体的R，对当前父代利用Mating-Selection选择出一个交配个体；对两个父代利用SBX和PM生成一个子代R，将子代R加入到子代种群O中；

步骤四，重复步骤三，直至产生的子代种群集O的大小为N个为止；合并子代O和原来的父代P，组成一个新的种群大小为2N的种群P；在种群P中利用DDS选择得到最优的N个种群P；

步骤五，演化代数加1，重复步骤二至步骤四，直至达到最大演化代数为止。

2.如权利要求1所述基于动态分解和选择的超多目标优化方法，其特征在于，所述步骤一种群P的初始化处理包括：

(1)在种群P中寻找每一位坐标轴上所对应的极值点，第i个坐标轴上的极值点如下：

式中，表示每个目标上最小的值；

(2)根据矩阵E＝(e₁-z^*,e₂-z^*,...,e_M-z^*)^T和u＝(1,1,...,1)^T构造超平面H；

其中，a₁,a₂,...,a_m是超平面H每个方向上的截距；a_i为第i个坐标轴上的截距；

(3)将种群P中的每一个个体都归一化为：

(4)将种群中每个个体x都转化为平面上的参考点RP：

3.如权利要求1所述基于动态分解和选择的超多目标优化方法，其特征在于，所述步骤三对当前父代利用Mating-Selection选择出一个交配个体包括：

设置一个随机数，当该随机数大于ζ时，随机从父代中选择一个个体进行交配；否则，在选择距离该个体最近(d₂最小)的K个个体，然后从这K个个体中选择d₁最小的那个个体进行交配。

4.如权利要求1所述基于动态分解和选择的超多目标优化方法，其特征在于，所述步骤四在种群P中进行DDS选择得到最优的N个种群P包括：

1)将每个轴上的极值点加入到已经选择的个体集Q中,余下的个体W＝P-Q。得到每个个体对应在超平面上参考点的距离distance，x,y∈P，则个体x和个体y之间的距离为distance(x,y)；

distance(x,y)＝||RP(x)-RP(y)||₂

2)选择一个个体x距离已经选择解集Q最远的那个个体作为中心轴ρ，计算公式如下：

3)以选择的轴ρ为出发点，选择一组多样性最好的解作为候选解集S_A；确定选择候选解的标准，进行候选解选择：

d₂(x,p)＝distance(x,p)

S_A＝{F(x)∈R^m|d₂(x,p)≤dst(x,Q)}

S_B＝{F(x)∈R^m|d₂(x,p)＞dst(x,Q)}；

4)从候选解集S_A中选择一个最优解s，根据超平面惩罚函数HPF进行动态选择，公式如下：

HPF(x,p)＝d₁+θ*d₂；

其中，d₁用于衡量个体的收敛性，d₂用于衡量个体之间的多样性；θ根据演化代数进行调整。