[发明专利]一种基于物种保护的多模态多目标差分进化优化方法

说明书

本发明提供了一种基于物种保护策略的多模态多目标差分进化优化方法，首先随机初始化一个种群，之后将种群在决策空间划分为不同的子种群，随后从每个子种群中确定要保留至下个迭代的最优个体，最后将所选的最优个体在新的个体生成后替换掉种群中较差的个体。此外，使用一种差分进化的变体进行新个体生成的操作，提升种群的多样性。实验表明所提算法相较于其他算法在求解多模态多目标问题在决策空间有着更好的效果，在寻找距离最短地点的实际问题中相比传统进化算法能够找到分布更好的最优地点。

技术领域

本发明涉及差分进化技术领域，针对多模态多目标优化问题，设计了一种基于物种保护策略的差分进化优化方法。

背景技术

多目标优化问题涉及超过一个相互冲突的目标，并且广泛存在于工业应用于科学研究，多目标优化问题的目标是寻找一组能够近似于帕累托最优前沿(PF)的帕累托最优解集(PS)。

进化计算被认为是适合解决多目标优化问题的方法，在近十年来已经有大量的多目标优化算法被提出，如NSGA-II、SPEA2、MOPSO、MOEA/D。这些方法仅考虑了解在目标空间的收敛性和多样性，而没有考虑在决策空间有多个PS的情况。

实际上许多现实中的多目标优化问题有着多模态的特征，如多目标背包问题、流水车间调度问题、建筑布局设计问题等。这意味着多个不同的PSs共存于决策空间中，它们对应着目标空间中相同的PF。这种问题被称为多模态多目标优化问题。

多模态单目标优化问题已经有许多年的研究，大多是使用小生境技术的进化算法，其中拥挤距离、适应度共享、清除、聚类等策略被经常使用；近年来，也有一些多模态多目标优化算法被提出，尽管这些研究将已有的小生境机制用于寻找单个PF对应的多个PS，但是在多模态多目标优化的研究初期阶段，仍然迫切的需要新的有效方法。

物种保护已被证明是一种有效的小生境技术，与一些经典的小生境技术相比，物种保护不仅为所有局部或全局最优解决方案提供了平等的保存机会，但也为那些适应性差但与其他解决方案截然不同的解决方案提供了保存机会。后一点对于多峰优化问题至关重要，因为低适应度的不同解对于在决策空间中搜索其他不同的最优解可能非常重要。因此，为了避免遗漏决策空间中的重要解，并提供更好的求解多模态多目标优化问题的方法，本发明首次将物种保护策略引入到多模态多目标优化问题中。

发明内容

本发明的目的在于提供一个新的解决多模态多目标优化问题的方法，解决多模态多目标优化问题的关键在于算法需要在进化过程中同时维持决策空间和目标空间的多样性。

为实现上述目的，本发明提出一种基于物种保护的多模态多目标差分进化优化算法，其特征在于：

1、一种物种保护的多模态多目标差分进化算法，其特征在于，包括以下步骤：

1)设置种群规模N、最近邻个体数量Nns、物种个数Sp、物种最小规模β、进化最大迭代次数FES；

2)随机生成初始种群P＝{x₁,x₂,…,x_N}；

3)使用差分变体方法，如公式(1)、(2)、(3)，生成规模为N的子种群Q；