[发明专利]面向具体问题的演化算法自动设计方法及系统

说明书

本申请公开了一种面向具体问题的演化算法自动设计方法及系统，方法包括：获取待求解的具体问题、预设的组件决策空间和参数决策空间，基于组件决策空间和参数决策空间获取具体问题对应的包括算法组件和组件参数的初始演化算法，对算法组件和组件参数进行变更处理，得到多个更新演化算法，并基于待求解的具体问题对变更后的多个更新演化算法进行适应度评估，得到多个初始的和更新演化算法间的适应度优劣关系，根据适应度优劣关系从多个初始的和更新演化算法中选取适于具体问题的演化算法，迭代上述过程直至得到满足决策者需求的演化算法。本申请能将演化算法设计问题建模为优化问题并求解，自动得出适用于求解具体问题的演化算法，具备普适性。

技术领域

本申请涉及演化算法领域，特别涉及一种面向具体问题的演化算法自动设计方法及系统。

背景技术

演化算法(Evolutionary and Swarm Algorithms)指模仿自然界生物进化或群体行为的启 发式搜索算法，主要包括进化算法和群体智能算法两类，是求解高维、大规模、非凸、不可 微等复杂优化、学习和设计问题的重要方法。尚不存在某个算法在所有问题上均优于其他算 法，应针对具体问题的特点来设计适当的算法。目前，演化算法多为人工设计，受专家经验 和主观偏见影响，无法充分搜索可行的算法。

面向具体问题的演化算法自动设计是指针对具体问题特点，选择多个预期可行的演化算 法编码方式(Encoding)、算子(Operators)及其参数组成算法设计库，由计算机程序，也 就是演化算法自动设计方法来自动选择算法的编码方式，并自动设计算法结构、算子组合及 参数配置，从而实现面向具体问题的演化算法自动设计，能够避免人工设计算法的缺点，对 提高算法性能、提升算法使用效率和效益具有重要意义。

目前，面向具体问题的算法设计可采用超启发式(Hyper-Heuristic)的方法，超启发式针 对特定的组合优化问题选择或生成一个启发式(Heuristic)算法，包括选择超启发式(Selection Hyper-Heuristics)和生成超启发式(Generation Hyper-Heuristics)两种思路。在选择超启发式 中，首先挑选多个启发式算法组成候选库，然后根据一定规则从候选库中选择一个算法。在 生成超启发式中，首先挑选多个启发式算法和/或启发式算法的组件(Component)组成候选 库，然后采用遗传编程(Genetic Programming)对候选库中的启发式算法和/或其组件进行选 择和组合，生成一个新算法。但是超启发式方法只能选择或生成启发式算法，无法用于演化 算法设计，因此不具备普适性。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种面向具体 问题的演化算法自动设计方法及系统，能够从算法结构、算子及其参数等层面进行面向具体 问题的演化算法自动设计，具备普适性。

根据本申请的第一方面实施例的面向具体问题的演化算法自动设计方法，包括：

获取待求解的具体问题、构建预设的组件决策空间和参数决策空间；

基于所述组件决策空间和所述参数决策空间设计所述具体问题对应的至少一个初始演化 算法，所述初始演化算法包括算法组件和组件参数；

对所述初始演化算法对应的所述算法组件和所述组件参数进行变更，得到变更后的多个 更新演化算法；

根据所述具体问题对所述多个初始演化算法和所述多个更新演化算法进行适应度评估， 得到所述多个初始演化算法和所述多个更新演化算法的适应度优劣关系；

根据所述适应度优劣关系从所述多个初始演化算法和所述多个更新演化算法中选取所述 具体问题对应的多个目标演化算法。

根据本申请实施例的面向具体问题的演化算法自动设计方法，至少具有如下有益效果：