[发明专利]基于优势信息提取的多目标优化方法及系统

权利要求书

1.一种基于优势信息提取的多目标优化方法，其特征在于，包括：

步骤S1：提取空间优势信息，并获取空间分区的结果；

步骤S2：根据获取的空间分区的结果，提取参数空间优势信息，充分应用不同进化阶段优势个体所包含的参数信息；

步骤S3：根据参数信息，挑选分布在不同区域的最优个体，指导进化过程。

2.根据权利要求1所述的基于优势信息提取的多目标优化方法，其特征在于，所述步骤S1包括：

通过计算得到的适应值f被归一化到0-1之间，矢量形式如下：

其中，表示归一化操作后的适应值；

x表示决策变量，x_i表示第i个决策变量；

N表示有N个决策变量；

m表示有m个目标函数，其中i，j分别表示指定的第i个决策变量，第j个目标函数；

f′(x_i)表示第i个决策变量x_i在所有目标函数上得到的适应值的集合；

[.]^T表示集合的转置；

所有目标函数在每一维中的最大值和最小值组成：和

t表示选中的第t维；

Rp_max由一个目标函数的最大值和其余函数的最小值组成；

Rp_min由所有目标函数的最小值组成；

利用公式(3)计算适应值f′和参考点Rp_max之间的向量角：

θ＝arccos(f′(x),Rp_max) (3)

其中，||.||表示向量的范数；

计算参考点之间的向量角β：

β_(t,j)＝arccos(Rp_max,t,Rp_max,j),t∈{1,2,...,m},j∈{1,2,...,m},t≠j (5)

当目标函数的个数超过两个后，随机选择两个目标函数的适应值对应的参考点计算向量角，(t,j)为选择的第t,j个目标函数；

根据计算获得的参考点间的向量角和适应值与参考点之间的向量角，使用公式(6)赋予每个参与进化的个体一个属于自己的0-1标签：

其中，n为子空间的数量；Sn_i表示第i个决策变量的标签，所有决策变量的标签集合用Sn表示；

获取进化过程中每一代得到的子解集中包含的优势个体P_best；

通过公式(1)～(6)，将目标空间划分为n个子空间，种群X也被分成相应的若干子种群；

使用公式(7)计算每个子空间的中心位置，参考点Rp_min与中心位置的方向即为每个子空间的最优进化方向；

其中，T_k表示中心位置，z_k代表第k^th个子空间中个体的数量。

3.根据权利要求2所述的基于优势信息提取的多目标优化方法，其特征在于，所述步骤S1还包括：

计算第k^th个子空间中所有的个体和在最优进化方向上的参考点Rp_min的距离；

在计算获得的所有距离当中，拥有最短的距离的个体被定义为该子空间中的最优个体P_best,k；

第k^th个子空间中所有个体的数量用z_k表示；

d_i,k＝||f′(x_i,k)||cos(f′(x_i,k),T_k),k＝1,2,...,n,i＝1,2,...,z_k (8)

其中，d_i,k表示在第k个子空间中，第i个个体与最优进化方向上的参考点Rp_min之间的距离；f′(x_i,k)表示在第k个子空间中决策变量xi的适应值。