[发明专利]一种多目标自适应聚类优化方法及系统

说明书

本发明提供了一种多目标自适应聚类优化方法及系统，方法包括：将N个目标按不同集群进行优先级分级；根据已划分优先级的N个目标生成目标相关特性矩阵；采用层次聚类法，根据所述目标相关特性矩阵进行目标聚类分析，获得最终的目标聚类结果。本发明在不了解相关学科、相关领域知识的情况下基于最终的目标聚类结果能够分清各目标的关系，对于强相关性的目标聚类簇，各目标对变量的敏感性几乎一致，则可以在优化设计时删除对结果影响不大的冗余目标，以减小设计复杂度；对于弱相关性的目标聚类簇，在优化设计时将其设置为同一优先级，看作同一类型目标；对于无相关性的目标，在设计时找到需要优先保障的目标，设置更高的优先级，以得到更好的方案。

技术领域

本发明涉及多目标优化技术领域，特别是涉及一种多目标自适应聚类优化方法及系统。

背景技术

复杂产品是集多种学科知识于一体的综合体，例如热交换器。由于学科之间存在复杂的耦合关系，设计人员在设计时需要同时考虑子系统之间的交互作用和耦合效应，以及在冲突目标需求之间进行权衡。但设计师很难精通各学科各领域的知识，很难做出可靠、灵活并且可修改的设计决策。

多目标问题可以分为两类：解决方案算法的性能和设计方案改进的方法。在有关解决方案算法的论文中，主要重点是对Pareto解集探寻，并通过诸如解决方案的最佳性，解决方案的多样性和计算能力等标准来评估算法的性能。但关注于解决方案算法具有局限性，只专注于识别Pareto前沿附近，缺少有关如何使用Pareto附近地区的解决方案的讨论和决策支持。对于设计方案改进的方法，往往更专注于改进设计或获得有关该问题的更多知识。这种方法的局限性是过于依靠相关专业的学科知识或个案分析来探索目标的组合或问题的分解，使得方法的通用性和可重用性降低。因此需要一种方法同时结合算法改进和方案改进两个方面。

发明内容

本发明的目的是提供一种多目标自适应聚类优化方法及系统，以提高通用性和可重用性。

为实现上述目的，本发明提供了一种多目标自适应聚类优化方法，所述方法包括：

步骤S1：将N个目标按不同集群进行优先级分级；

步骤S2：根据已划分优先级的N个目标生成目标相关特性矩阵；

步骤S3：采用层次聚类法，根据所述目标相关特性矩阵进行目标聚类分析，获得最终的目标聚类结果。

可选地，所述将N个目标按不同集群进行优先级分级，具体包括：

步骤S11：基于多目标构建多目标描述问题；

步骤S12：根据所述多目标描述问题构建妥协决策问题；

步骤S13：根据上一次目标聚类结果，利用所述妥协决策问题中的优先级偏差函数将N个目标按不同集群进行优先级分级。

可选地，所述根据已划分优先级的N个目标生成目标相关特性矩阵，具体包括：

步骤S21：初始化，将目标划分的分数H设置为1；

步骤S22：采用权重生成算法，根据所述目标划分的分数计算权重集，并赋予阿基米德偏差函数；

步骤S23：根据自适应线性算法，将已赋予权重的所述阿基米德偏差函数进行求解，得到在各权重组下各目标的优化解；

步骤S24：根据所述优化解和目标期望值计算目标偏差矩阵；

步骤S25：将所述目标偏差矩阵进行标准化处理，获得标准化偏差矩阵；

步骤S26：根据所述标准化偏差矩阵进行相关性计算，得到目标相关特性矩阵；