[发明专利]一种基于局部－全局联合引导的多目标优化协同进化方法

摘要

本发明公开了一种基于局部－全局联合引导的多目标优化协同进化方法，该方法将一类多目标优化问题划分为全局目标f_G和一系列局部目标f_j，采用协同进化方式由各f_j和评估向量B驱动各决策变量x_i协同进化；进化过程中由f_G选择刷新B，决策变量种群最终产生趋于f_G和各f_j优化要求的Pareto解集。经过计算可获得各局部目标f₁，f₂，f₃，…，f_h和全局目标f_G优化要求的Pareto解集；算法过程完成后，最后的评估向量B^t可作为f_G的当前最优解；算法过程完成后，各f_j的当前最优解可用B^t及f_j评估P₁^t，P₂^t，P₃^t，…，P_n^t获得。本发明所公开的方法具有较高的求解效率，同时具有较高的并行性，可以以并行方式运行。

主权项

1.一种基于局部－全局联合引导的多目标优化协同进化方法，其特征在于：对于多目标优化问题：minfG(X)f1(X1),f2(X2),f3(X3),...,fh(Xh)]]>其中，f_G为全局目标函数，f_j为局部目标函数，j=1，2，3，…，h；h为局部目标数，X为决策向量，X=(x₁，x₂，x₃，…，x_n)，且X∈Ω，X_j∈Ω_j，Ω为满足约束的n维向量空间子集；采用协同进化方式在决策向量空间Ω_j和Ω中协同进化决策向量X，产生满足f_G和f_j优化要求的Pareto解集，具体步骤如下：步骤（1）创建对应于x₁，x₂，x₃，…，x_n的初始种群P₁⁰，P₂⁰，P₃⁰，…，P_n⁰，在进化代数计数器中设置t=0，其中t为种群进化的代数；步骤（2）建立初始评估向量B⁰=(b₁⁰，b₂⁰，b₃⁰，…，b_n⁰)，初始评估向量的各个分量初始值分别从P₁⁰，P₂⁰，P₃⁰，…，P_n⁰中随机选取；步骤（3）结合当前评估向量B^t和各局部目标函数f_j(X_j)，评估当前各种群P₁^t，P₂^t，P₃^t，…，P_n^t中所有个体的适应度；步骤（4）依据步骤（3）得到的个体适应度值，种群P₁^t，P₂^t，P₃^t，…，P_n^t分别按各自的进化算法进行进化，得到新一代种群P₁^t+1，P₂^t+1，P₃^t+1，…，P_n ^t+1；步骤（5）结合当前评估向量B^t和全局目标函数f_G(X)，评估各种群P₁^t+1，P₂^t+1，P₃^t+1，…，P_n^t+1中所有个体的适应度；步骤（6）使用各P_i^t+1中对f_G的最优个体替换当前评估向量B^t的对应分量b_i^t，形成新的评估向量B，其中i=1，2，3，…，n；步骤（7）在进化代数计数器中设置t=t+1；步骤（8）判断协同进化终止条件是否满足，若未满足则转步骤（3），若已满足则转步骤（9）；步骤（9）进化过程停止，最后一代种群P₁^t，P₂^t，P₃^t，…，P_n^t中包含所求的决策向量X=(x₁,x₂,x₃,…,x_n)的Pareto解集。