[发明专利]一种面向需求不确定供应链的多目标仿真优化方法

权利要求书

1.一种面向需求不确定供应链的多目标仿真优化方法，其特征在于：包括如下步骤：

步骤1：随机产生初始种群，对种群中每个个体均执行初始数量的随机仿真，将仿真解的目标函数均值作为初始个体的函数值，构建初始的非支配解集；

步骤2：根据NSGA-II算法择优策略选择父代个体执行交叉变异操作，产生子代个体；

步骤3：利用自适应解码器对新产生的子代个体进行解析，获得个体对应的仿真解与仿真次数，根据获得的仿真次数进行随机仿真，统计所有新仿真解的均值和方差特征值，更新当前的非支配解集；

步骤4：若达到停止条件，则输出所获得的非支配解集；否则再次进行进行步骤2循环上述操作。

2.根据权利要求1所述的一种面向需求不确定供应链的多目标仿真优化方法，其特征在于：在步骤1中对个体的编码方式采用整数编码，其中前k位表示个体对应的候选解，最后1位表示候选解的仿真次数指标；

其中在产生随机个体时，候选解编码部分根据对应基本决策变量的取值范围生成一个随机整数，仿真次数指标部分生成一个[n0,n1]之间的随机整数；

初始个体根据编码直接解析获得仿真解和仿真次数，通过对仿真解执行初始次数的随机仿真后，将在每个目标函数上获得的仿真解均值作为该个体的目标函数值；

根据上述过程产生一个初始种群后，利用所有初始个体的仿真目标函数值向量就可以构建一个初始的非支配解集。

3.根据权利要求1所述的一种面向需求不确定供应链的多目标仿真优化方法，其特征在于：其中步骤2中还包括如下步骤：

步骤1：利用快速非支配排序策略对当前种群中所有个体进行排序获得每个个体的非支配等级，利用仿真目标函数值计算每个个体在其非支配等级上拥挤度；

步骤2：选择运算采用锦标赛选择策略，从当前种群中随机选择2个个体，若他们的非支配等级相同，则选择拥挤度大的个体执行后续的交叉变异运算；否则选择非支配等级高的个体；

步骤3：交叉运算采用均匀交叉策略，对每一对选择出的父代个体的每一位根据交叉率判断是否执行交叉操作，若执行交叉，则相互替换相应位置的父代编码；否则不替换；

步骤4：变异运算采用位变异策略，对新产生的子代个体的每一位根据变异率判断是否执行变异操作，若执行变异，则根据相应位置编码的取值范围生成一个随机整数替换当前位置的编码。

4.根据权利要求1所述的一种面向需求不确定供应链的多目标仿真优化方法，其特征在于：其中步骤3中采用NSGA-II遗传运算产生一个新的子代种群后，对子代个体的编码进行解码以获得该子代个体对应的仿真方案和仿真次数；

当前仿真解是一个支配集，即被当前非支配解集中某一个解Pareto支配，则其仿真次数最大可达到n1；

若当前仿真解是一个非支配解，即不被当前非支配解集中任何一个解Pareto支配，则其仿真次数最大可达到n2并记录整个算法运行过程中所有仿真解的仿真结果。

5.根据权利要求4所述的一种面向需求不确定供应链的多目标仿真优化方法，其特征在于：利用仿真解在不同目标函数上的均值和方差来构建和更新非支配解集，通过仿真求得第i个仿真解中第l目标函数值的均值和方差根据不等式：

判断解空间S中每一个解k判断是否为支配解，若满足不等式，则此个体为支配解，否则为非支配解。

6.根据权利要求4所述的一种面向需求不确定供应链的多目标仿真优化方法，其特征在于：计算I型错误率e1和II型错误率e2来对上述观测到的Pareto解的质量进行评估，计算最大化正确选择的概率P{CS}，判断该Pareto解是否满足P{CS}P*{CS}，若满足不等式，则为非支配解。