[发明专利]一种面向Modelica模型的多目标优化方法

权利要求书

1.一种面向Modelica模型的多目标优化方法，其特征在于，包括：

获取Modelica模型中待优化的各输入参数，以及用于评价模型性能的各输出参数；其中，所述Modelica模型为汽车领域一个零部件的Modelica模型，或由多个零部件的Modelica模型构成的系统模型；

生成由各输入参数的N个取值组合构成的初始种群，作为当前种群，其中，每个取值组合为一个种群个体，N为自然数；

将所述当前种群中的各种群个体代入所述Modelica模型进行仿真，得到各输出参数的N个取值组合；具体的，执行所述Modelica模型的类库加载、模型检查和编译；多次调用所述Modelica模型的求解器执行仿真运算，其中，每次仿真运算以一种群个体为输入，以各输出参数的一个取值组合为输出；所述多次仿真运算全部完成后，执行所述Modelica模型的类库卸载；

根据各输出参数的N个取值组合，对所述当前种群执行快速非支配排序算法，得到各种群个体的第一非支配层级和第一拥挤度；

根据所述第一非支配层级和第一拥挤度，计算各种群个体的第一适应度；具体的，根据所有第一非支配层级的最大值，以及所有第一拥挤度的最大值，构建各种群个体的第一适应度函数；将各种群个体的第一非支配层级和第一拥挤度代入所述第一适应度函数，计算各种群个体的第一适应度；

根据所述第一适应度以及各输入参数的优先级，生成新的当前种群，以及对应的各输出参数的N个新取值组合，返回所述第一非支配层级和第一拥挤度的计算操作，直到达到设定的优化终止条件；

在最终的当前种群中选取至少一个种群个体，作为各输入参数的至少一个最优取值组合。

2.根据权利要求1所述的多目标优化方法，其中，所述生成由各输入参数的N个取值组合构成的初始种群，包括：

根据各输入参数的取值范围和精度，确定各输入参数的二进制编码长度；

根据低差异初始策略，生成由N个小数组成的哈尔顿序列；

求解所述哈尔顿序列中任一小数对应的各输入参数的取值，并将各取值转换为对应长度的二进制编码；

按照各输入参数的优先级将各二进制编码级联，形成所述小数对应的种群个体。

3.根据权利要求1所述的多目标优化方法，其中，所述根据各输出参数的N个取值组合，对所述当前种群执行快速非支配排序算法，得到各种群个体的第一非支配层级和第一拥挤度，包括：

根据各输出参数的约束条件，确定各输出参数对应的评价函数；

对所述当前种群中的任一种群个体，根据各输出参数的取值和对应的评价函数，计算所述种群个体的支配因子；

根据各种群个体的支配因子，对各种群个体执行快速非支配排序算法，得到各种群个体的第一非支配层级。

4.根据权利要求1所述的多目标优化方法，其中，所述根据各输出参数的N个取值组合，对所述当前种群执行快速非支配排序算法，得到各种群个体的第一非支配层级和第一拥挤度，包括：

得到各种群个体的第一非支配层级后，分别根据各输出参数对应的评价函数，计算同一非支配层级内各种群个体在各评价函数下的拥挤度；

根据各输出参数的优先级，对同一种群个体的各拥挤度进行融合，得到所述种群个体的第一拥挤度。

5.根据权利要求1所述的多目标优化方法，其中，所述根据所述第一适应度以及各输入参数的优先级，生成新的当前种群，以及对应的各输出参数的N个新取值组合，包括：

根据第一适应度从当前种群中选取M个种群个体，并基于所述M个种群个体生成子代种群，其中，M≤N；

将所述当前种群和子代种群合并，从中选出输入参数最优的X个种群个体，其中，XN；

将所述X个种群个体中的、未仿真过的Y个种群个体代入所述Modelica模型进行仿真，得到各输出参数的Y个取值组合；

根据所述X个种群个体对应的输出参数的取值组合，对所述X个种群个体重新执行快速非支配排序算法，得到各种群个体的第二非支配层级和第二拥挤度；

根据所述第二非支配层级和第二拥挤度，计算各种群个体的第二适应度，并将第二适应度最优的N个种群个体，作为新的种群。