[发明专利]基于AGN及CNN的单目标优化问题寻优方法及装置

摘要

本发明公开了一种基于AGN及CNN的单目标优化问题寻优方法及装置，通过训练完成的AGN的编码部分将决策变量个数k的优化问题模型转换为决策变量个数为2的优化问题模型，其中k不为2，并将转换后的两个决策变量输入到已训练成功的CNN二决策变量寻优器中快速输出全局最优结果，最终通过训练完成的AGN的解码部分将CNN二决策变量寻优器输出的全局最优结果中两个决策变量转换为原来决策变量个数为k的空间，输出最终该优化问题的全局最优结果。应用本发明实施例所提供的技术方案，CNN二决策变量寻优器的寻优计算为线性并行计算，寻优速度快，可直接找到全局最优，不存在陷入局部最优的情况。另外，对于有约束的优化问题，同样简单适用。

主权项

一种基于AGN及CNN的单目标优化问题寻优方法，其特征在于，包括：步骤A：根据待处理的优化问题，确定待优化函数Z＝g(x1，x2，x3，…，xk)；其中，x1、x2、x3、……、xk为决策变量，Z为优化目标，k为决策变量个数；步骤B：在待优化领域Db中采集所述待优化函数的待优化目标点云组，所述待优化目标点云组包含p个待优化目标点云；其中，所述待优化领域Db中，x1∈[a1,b1]，x2∈[a2,b2]，…，xk∈[ak,bk]；步骤C：在k＞2时，创建并训练去噪自编码器网络AGN，利用所述AGN的编码部分将各个决策变量x1、x2、x3、……、xk编码为y1和y2，所述AGN的输入层和输出层神经元个数均为k；步骤D：将所述待优化目标点云组对应的y1值及y2值分别按由小至大的方式进行排序，将y1值映射为其在按y1排序中的序号y1'，将y2值映射为其在按y2排序中的序号y2'，并创建映射表aa存储y1值与y1'的关系、y2值与y2'的关系以及对应的Z值；步骤E：选取每个待优化目标点云的y1'值及y2'值作为代表相应待优化目标点云的两个特征，创建所述待优化目标点云组的二维矩阵kk；其中，y1'为所述二维矩阵kk的行序号，y2'为所述二维矩阵kk的列序号，所述二维矩阵kk上第y1'行第y2'列的值为Z；步骤F：将所述二维矩阵kk输入到预先训练获得的CNN二决策变量寻优器中，获得所述二维矩阵kk中最值点的y1'值、y2'值及Z值；步骤G：查询所述映射表aa，将y1'值映射为y1，将y2'值映射为y2，利用所述AGN的解码部分将y1和y2解码为X1、X2、X3、……、Xk，输出优化结果为：当x1取X1、x2取X2、……、xk取Xk时达到全局最优Z。