[发明专利]一种面向决策变量分组优化的双种群协同进化方法及应用

说明书

本发明涉及一种面向决策变量分组优化的双种群协同进化方法及应用，该方法定了CP和DP，所述方法包括：S1，随机初始化种群CP和DP；S2，获取已有多目标优化算法的收敛性变量和多样性变量的分组结果，并对混合变量进行分组；S3，基于链接学习技术，将收敛性变量划分为互不依赖的收敛性变量分组；S4，CP交配选择过程；S5，DP交配选择过程；S6，在CP进化过程中，进行收敛性交叉和变异操作；S7，在DP进化过程中，进行多样性交叉和变异操作；S8，CP和DP环境选择过程；S9，对CP和DP每次迭代后的新种群可采用主从范式进行信息补偿。与现有技术相比，本发明具有优化容器的资源利用率，降低响应时间等优点。

技术领域

本发明涉及云计算领域，尤其是涉及一种面向决策变量分组优化的双种群协同进化方法及应用。

背景技术

传统的大规模多目标进化算法，所针对的目标变量维数通常小于4，且技术路线大都是通过变量分组机制对决策变量进行降维，然后采用传统多目标进化框架对问题进行求解。然而，决策变量分组会在一定程度上造成种群进化信息丢失，导致种群收敛性和多样性维护困难问题。

当今云计算技术已经成为了大规模分布式计算和数据处理的主要手段之一，其中容器技术的兴起更是为应用程序的开发、测试和部署等过程带来了很大的便利。因此如何优化云计算环境下的容器资源调度问题成为需要解决的技术问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向决策变量分组优化的双种群协同进化方法及应用。

本发明的目的可以通过以下技术方案来实现：

根据本发明的一个方面，提供了一种面向决策变量分组优化的双种群协同进化方法，该方法定了面向收敛性优化种群CP和面向多样性优化种群DP，所述进化方法具体包括以下步骤：

步骤S1，随机初始化种群CP和DP；

步骤S2，获取已有多目标优化算法的收敛性变量和多样性变量的分组结果，并对混合变量进行分组；

步骤S3，基于链接学习技术，将收敛性变量划分为互不依赖的收敛性变量分组；

步骤S4，CP交配选择过程；

步骤S5，DP交配选择过程；

步骤S6，在CP进化过程中，进行收敛性交叉和变异操作；

步骤S7，在DP进化过程中，进行多样性交叉和变异操作；

步骤S8，CP和DP环境选择过程；

步骤S9，对CP和DP每次迭代后的新种群可采用主从范式进行信息补偿。

作为优选的技术方案，所述的CP和DP分别拥有独立互补的进化范式，其中，CP采用面向收敛性的交叉变异进行种群演化，并结合收敛性环境选择机制来维持种群的收敛性；DP采用面向多样性的交叉变异进行种群演化，并结合多样性环境选择机制来维持种群多样性。

作为优选的技术方案，在所述的CP交配选择过程中，限制交配选择策略RMS基于收敛性指标从CP中选取个体P^c，然后从DP中基于PBI距离来选取个体P^d。

作为优选的技术方案，在所述DP交配选择过程中，限制交配选择策略RMS基于多样性指标从DP中选取个体P^d。，然后从CP中基于个体到超平面的距离来选取个体P^c。

作为优选的技术方案，所述限制交配选择策略RMS具体为：