[发明专利]一种基于协同进化的多偏好高维目标优化方法

摘要

一种基于协同进化的多偏好高维目标优化方法，包括以下步骤：步骤1初始化参数；步骤2更新；步骤3利用ASF扩展函数将进化种群中的理想解映射至目标空间，并将其作为偏好向量引导种群进化的参考方向，然后利用偏好区域选择策略获取两个临时参考点进而构建决策者感兴趣区域ROI，确定偏好向量集产生的上下界范围，通过协同进化机制引导种群朝偏好区域收敛；步骤4利用协同进化机制对目标函数进行优化，在ROI区域范围内的候选解中选择适应值最大的N个候选解进入下一代进化；步骤5判断是否满足终止条件，若否，返回步骤2；若是，输出最优解集，算法运行结束。本发明所求解集具有更好的收敛性，可移植性较强，具有更好的实施性。

主权项

1.一种基于协同进化的多偏好高维目标优化方法，其特征在于，包括以下步骤：步骤1初始化参数：设置进化种群P的规模为N，偏好向量集G的规模为Ngoal，最大进化代数为MaxGen，产生一个初始化种群P＝(P1,P2,...,PN)，产生一个初始化偏好向量集G＝(G1,G2,...,GNgoal)；步骤2更新：进化种群P，使用遗传变异操作产生新的子代种群Pc，针对偏好向量集G，更新偏好上下界，上界下界其中，j＝1,2,...,M，M为目标个数；根据更新后的上下界采用随机产生的方式生成新的偏好向量Gc，更新外部集合Q_t，分别将父子代种群和偏好向量集混合，得到混合种群JointP与混合偏好向量集JointG，计算其各自适应度值，截断选择产生新子代种群和新偏好向量集；步骤3确定偏好区域：利用ASF扩展函数将进化种群中的理想解映射至目标空间，并将其作为偏好向量引导种群进化的参考方向，然后利用偏好区域选择策略获取两个临时参考点进而构建决策者感兴趣区域ROI，确定偏好向量集产生的上下界范围，通过协同进化机制引导种群朝偏好区域收敛；步骤4优化处理：对目标函数进行优化，从ROI区域范围内的候选解中选择适应值最大的N个候选解进入下一代进化；步骤5停止判断：判断是否满足终止条件，若否，返回步骤2；若是，输出最优解集，算法运行结束。