[发明专利]一种基于状态变换差分进化的混合离散变量优化方法及系统

说明书

本发明公开了一种基于状态变换差分进化的混合离散变量优化方法及系统。优化方法包括迭代执行多轮处理过程，在所述处理过程中，获取父代种群，对父代种群进行处理获得试验种群，将父代种群和试验种群组合成混合种群，对混合种群使用多目标更新策略进行更新获得更新种群等步骤。本发明通过将基于睡眠觉醒周期模式的状态变换机制应用于差分进化算法，受雁阵效应的启发，使用了多目标种群更新机制，将两种不同的选择算子以一定的代数阈值交替，可以更合理有效地平衡选择操作中的探索性与开发性，进而更好指导种群进化，可以用于解决既包含连续变量又包含离散变量的工业优化、设计、制造类问题。本发明广泛应用于工业数据处理技术领域。

技术领域

本发明涉及工业参数处理技术领域，尤其是一种基于状态变换差分进化的混合离散变量优化方法和系统。

背景技术

随着制造业的飞速发展，没有先验知识且包含离散、非线性、不可导等复杂特性的工业设计与制造问题越来越普遍。其中，混合离散变量优化问题是工业制造业中极具代表性的一类问题。混合离散变量优化问题是指待优化参数中既有连续变量又有离散变量的一类优化设计问题，用于自动求解此类问题的算法称为混合离散变量优化算法。解决混合离散变量优化问题的挑战在于如何基于迭代操作来确定最佳离散变量可能值，进而体现出优化的思想。确定性优化算法需要问题的先验知识且通常时间复杂度很高，而离散变量又不能使用传统随机化搜索算法来解决，因此有关混合离散变量优化算法的相关研究较少。目前基于演化算法的的离散变量处理方案大致可以分为直接法和间接法两大类。直接法是指在由离散参数组成的决策空间中对离散变量直接进行处理。而间接法通常引入额外的约束关系，通过转换算子将连续值映射为离散值。上述现有技术除了会引入高复杂度或者种群多样性缺失外，局限于考虑处理的离散参数为二进制数和整数的情况，在对参数为小数优化时难以取得理想效果。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种基于状态变换差分进化的混合离散变量优化方法及系统。

一方面，本发明实施例包括一种基于状态变换差分进化的混合离散变量优化方法，包括以下步骤：

迭代执行多轮处理过程；

在每轮所述处理过程中，获取父代种群，对所述父代种群中的每个成员使用差分进化算法生成连续试验向量；对所述父代种群中的生存时间小于1的成员，将该成员内的每个离散变量依次从所有处于苏醒状态的可能值中通过轮盘赌方式确定取值，将该成员的生存时间置为1，从而获得离散试验向量；合并所述连续试验向量和所述离散试验向量，从而获得完整试验向量；整合所有所述完整试验向量，从而获得试验种群；将所述父代种群和所述试验种群组合成混合种群，对所述混合种群使用多目标更新策略进行更新，从而获得更新种群；使用所述更新种群更新存档；

其中，在第一轮所述处理过程中，所述父代种群由初始连续子群和初始离散子群合并得到，所述初始连续子群是在给定的连续参数取值范围内随机生成的，所述初始离散子群是对初始生成的成员中的离散变量依次从处于苏醒状态时的候选值中，通过轮盘赌方式确定取值生成的；在除第一轮所述处理过程以外的其他所述处理过程中，所述父代种群为上一轮所述处理过程所获得的所述更新种群。

进一步地，在每轮所述处理过程中，如果所获得的所述更新种群中部分或全部成员与所述父代种群中的成员相同，那么将所述更新种群中的这些相同的成员的生存时间延长一代；如果所获得的所述更新种群中部分或全部成员与所述父代种群中的成员不相同，那么将所述更新种群中的这些不相同的成员的生存时间缩短一代。

进一步地，在每轮所述处理过程中，对于一个处于苏醒状态的可能值，如果包含该可能值的所有成员未能从所述父代种群中存活至所述更新种群，将该可能值的状态由苏醒状态设置为睡眠状态。

进一步地，在每轮所述处理过程中，对于一个离散变量，如果该离散变量对应的全部可能值均为睡眠状态，将该离散变量对应的全部可能值设置为苏醒状态。