[发明专利]基于异常检测模型的进化多任务优化算法

权利要求书

1.基于异常检测模型的进化多任务优化算法，其特征在于，包括以下步骤：

步骤1、在基于EMTO范式的多种群框架下，分别初始化k个任务种群，并对ADEOEA的参数进行初始化，所述参数包括交叉概率CR_i、突变步长F_i的平均值μ_CR，μ_F、成功个体对应的CR_i，F_i的集合S_CR，S_F；

步骤2、采用ADEOEA进行任务内种群演化，得到子代种群；

步骤3、利用LOF算法计算子代种群中个体的局部离群因子，再对局部离群因子进行升序排列，选取符合目标任务偏好的转移解；

步骤4、合并父代和子代种群以及LOF产生的转移解，并对其进行适应度评估，升序排列该适应度值，并选取前N个个体作为成功个体；

步骤5、每一代种群演化过程中，若所述子代种群中的子代个体优于父代个体，则将该成功个体对应的参数CR_i，F_i存档至集合S_CR，S_F，并对μ_CR，μ_F进行更新，再利用更新后的μ_CR，μ_F计算下一代种群演化的CR_i，F_i；

步骤6、判断适应度评估次数是否小于最大函数评价次数FESMAX，若满足，则输出父代种群的最优解及最优值，否则返回步骤2，进入下一代种群演化。

2.根据权利要求1所述的基于异常检测模型的进化多任务优化算法，其特征在于，步骤2具体包括以下步骤：

步骤2.1、选取第k个任务作为目标任务，利用基于差分进化算法生成子代变异个体：

上式中，x_i，G为父代个体，F_i为个体x_i，G对应的变异步长，为种群前100a％的个体，a为自适应选择参数，从父代种群P_k(t)中随机选取，k＝1，2，...，K，从集合P_k(t)∪A中随机选取；

步骤2.2、将每个所述变异个体v_i，G同父代个体x_i，G交叉，得到N个试验个体u_j，i，G，记为子代种群O_k(t)；

上式中，rand(0，1)为(0，1)范围内的一个随机数，CR_i为交叉概率，j_rand为从1至D维随机选取的整数，j_rand＝randint(1，D)，u_j，i，G为第i个试验个体的第j维变量；x_j，i，G，v_j，i，G分别为第i个父代个体以及第i个变异个体的第j维变量。