[发明专利]一种基于高效全局优化的考虑最坏情况的稳健优化方法

权利要求书

1.一种基于高效全局优化的考虑最坏情况的稳健优化方法，其特征在于所述方法包括如下步骤：

步骤1、确定输入参数，设置获取目标函数值f(x_c,x_n)的仿真模型接口；

步骤2、通过试验设计方法生成初始种群P_g，P_g＝{(x_c,1,g,x_n,1,g),...,(x_c,N,g,x_n,N,g)}，其中，P_g表示第g次迭代后的种群，(x_c,N,g,x_n,N,g)是一组数组表示种群P_g中的第N个个体，x_c,N,g和x_n,N,g分别表示个体的控制因素和干扰因素；

步骤3、评估种群中的个体所对应的目标函数的值；

步骤4、进入主优化循环，循环迭代至迭代次数达到G_max，循环内具体执行步骤如下：

步骤41、按照种群中个体所对应的目标函数值对个体进行排序，其中：排序第一的个体所对应的目标函数值是最优值，排序最后的个体所对应的目标函数值是最劣值；

步骤42、执行基于克里金方法与预期改进方法的全局优化算法更新干扰因素种群；

步骤43、读取种群中排序第一的个体作为全局最优解；

步骤44、执行差分进化算法更新控制因素种群；

步骤5、输出全局最优解。

2.根据权利要求1所述的基于高效全局优化的考虑最坏情况的稳健优化方法，其特征在于所述步骤42的具体执行步骤如下：

步骤421、读取种群中排序第一的个体(x_c,1st,g,x_n,1st,g)及其对应的目标函数值；

步骤422、在干扰因素的可行域X_n内进行试验设计生成N_n个新的干扰因素；

步骤423、将所生成的干扰因素与x_c,1st,g组合生成N_n个新的个体，并计算其所对应的目标函数值；

步骤424、基于克里金方法与预期改进方法，利用所得到的N_n个新个体与个体(x_c,1st,g,x_n,1st,g)，及它们所对应的目标函数值，数据累加迭代地寻找(x_c,1st,g,x_n,更优,g)使得f(x_c,1st,g,x_n,1st,g)比f(x_c,1st,g,x_n,更优,g)更优，直至对目标函数的计算次数达到t_max；

步骤425、用所寻找的干扰因素x_n,更优,g替换种群P_g中排序前α的个体的干扰因素；

步骤426、计算所更新的α个个体的目标函数值；

步骤427、输出更新后的种群P_g。

3.根据权利要求2所述的基于高效全局优化的考虑最坏情况的稳健优化方法，其特征在于所述步骤424中，数据累加迭代过程的具体计算步骤如下：

(1)利用已知的数据集拟合克里金模型；

(2)利用所拟合的克里金模型寻找预期改进值最优的干扰因素x_n,更优,g；

(3)将所得到的干扰因素x_n,更优,g与x_c,1st,g组合形成新的个体(x_c,1st,g,x_n,更优,g)，并计算其目标函数值；

(4)将新个体(x_c,1st,g,x_n,更优,g)及其目标函数值添加至数据集。

4.根据权利要求2所述的基于高效全局优化的考虑最坏情况的稳健优化方法，其特征在于所述步骤425中，α的取值大于1，小于种群数的一半。