[发明专利]一种基于空间分割的高维多目标优化算法

摘要

本发明提供一种基于空间分割的高维多目标优化算法。该算法使用均分分布的参考向量将高维多目标优化问题映射为向量相关的局部二维优化问题，并为每一个参考向量维持一个子种群，然后以参考向量为中心、以角度为指标进行空间分割，将整个解空间分割为若干个子空间。在进行环境选择时，对子空间从近到远依次选出收敛性指标最好的个体放入下一代的子种群中，引导种群更快速、更均匀地向帕累托前沿面逼近。本发明的方法不受多目标优化问题的维度限制，可有效处理传统多目标优化算法难以解决的复杂问题。

主权项

一种基于空间分割的高维多目标优化算法，其特征在于，包括以下步骤：S1：设定参考向量个数N、子空间规模n、最大评估次数MFE，并维持N个子种群P＝{P1,P2,...,PN}；S2：生成均匀分布的参考向量集合V＝{V1,V2,...,VN}，随机初始化种群Q；S3：对每一个参考向量Vi(i＝1,2,...,N)，以Vi为中心、以角度为指标将整个空间分割成n个子空间S4：对每一个子种群Pi(i＝1,2,...,N)，设置n个集合D＝{D1,D2,...,Dn}与子空间一一对应，令Pi＝Pi∪Q，若个体则将x加入Dj(j＝1,2,...,n)。然后使Dj中的个体按收敛性指标从小到大排序，保留收敛性最好的个体，即得到下一代的子种群Pi；S5：若函数评估次数大于MFE，则合并子种群Q＝P1∪P2∪...∪PN，选出N个个体作为最终种群输出；否则转到S6；S6：在P中选择若干个个体作为父母进行交叉变异操作产生新的子代种群Q，返回S3。