[发明专利]基于NSGA-Ⅱ的改进多目标优化的方法

说明书

本发明属于计算机应用技术领域，尤其涉及一种基于NSGA‑Ⅱ的改进多目标优化的方法。本发明通过对NSGA‑Ⅱ算法中非支配排序方法、非支配个体的拥挤距离计算赋值以及交叉、变异操作的改进，使本发明所提供的多目标优化的方法所得到的解的分布更为集中，进而解决了现有NSGA‑Ⅱ算法在多目标优化应用中所存在的技术问题，同时，本发明所提供的方法简单、操作方便、适合大规模推广使用。

技术领域

本发明属于计算机应用技术领域，尤其涉及一种基于NSGA-Ⅱ的改进多目标优化的方法。

背景技术

NSGA-Ⅱ算法是含有精英保留策略的快速非支配多目标优化算法，其原理是在NSGA算法的基础上改进而来。其加入了快速非支配排序的方法，用来降低算法计算的复杂度，减少算法的计算时间；其次使用精英保留策略，用以保留优势个体；最后增加拥挤度计算方法，扩大个体选择、交叉和变异操作的范围。

但是在算法计算时，针对三个及三个以上目标模型的求解结果并不理想，存在着计算效率不高、种群多样性不足和解集分布性较差的不足。首先是计算效率不高，在多目标优化的情况下，计算所消耗的时间大量增加，效率低下；然后是种群多样性不足的问题，在进行个体选择、交叉和变异的时候，算法求解有时会陷入局部最优的状况，导致最终结果偏差较大；最后是解集分布性较差的问题，NSGA-Ⅱ求解的是一组解集，解集分布性差说明算法的稳定性不好。

发明内容

本发明针对上述的NSGA-Ⅱ算法针对多目标优化计算时所存在的技术问题，提出一种方法简单、操作方便且稳定性好、计算结果偏差小的基于NSGA-Ⅱ的改进多目标优化的方法。

为了达到上述目的，本发明采用的技术方案为，本发明提供一种基于 NSGA-Ⅱ的改进多目标优化的方法，包括以下步骤：

a、首先，通过随机产生出规模为N的初始种群；

b、确定出初始种群的非支配个体，然后对非支配个体进行非支配排序并计算拥挤距离，并对初始种群所有个体进行等级分类并确定其拥挤距离；

c、完成个体选择操作，然后利用交叉、变异操作产生下一代子代种群；

d、通过对父代种群和子代种群的合并生成规模为2N的新种群；

e、对d步骤得到的新种群进行非支配排序，并分层计算拥挤距离，选择出 N个个体，产生新的父代种群；

f、判断e步骤产生的新的父代种群是否达到设定的最大循环代数，若达到则完成多目标的优化，若未达到，则重复c～f步骤；

其中，所述非支配排序的方法为：假设g_i为种群中支配个体i的数量，被个体i支配的个体集合为G_i，首先通过循环对比得到种群之中全部g_i为0的个体，令g_i为0的个体的非支配排序值为1，这些个体共同构成非支配集合R₁；然后将R₁里每个个体所支配个体集合中的每个个体的g_j减去1，当g_j减去1为0时把个体j存入集合R₂中，令这些个体的非支配排序值为2，然后，对集合R₂中个体重复之前的操作，直到所有个体都含有非支配排序值。

作为优选，所述非支配个体的拥挤距离计算赋值的方法为：该个体排序值为原排序值与支配该个体的其余个体数目之和。

作为优选，所述c步骤，采用锦标赛选择策略完成个体选择操作。

作为优选，所述c步骤中，交叉操作中交叉算子的算法为：