一種改進型的多模態多目標狼群優化方法及裝置制造方法及圖紙

本發明專利技術公開了一種改進型的多模態多目標狼群優化方法及裝置，該優化方法具體包括如下步驟：隨機自適應收縮網格搜索策略；全局最優記錄奔襲策略；MMO

【技術實現步驟摘要】
一種改進型的多模態多目標狼群優化方法及裝置


[0001]本專利技術涉及目標優化
，具體為一種改進型的多模態多目標狼群優化方法及裝置。

技術介紹

[0002]最優化問題廣泛存在于人們的社會生活中，它主要是指在一定約束或者限制條件，如何求取待解決問題最優值或最優方案的過程，即針對具體的問題，在眾多的可行性解決方案之中，找到一個或多個滿足約束條件的最好的那個或那些解決方案，這對于人們現實生活中的工程應用和科學研究均具有特別重要的實用價值和科研意義，而多目標優化又可稱為多目標規劃，其是數學規劃的一個分支，研究多于一個目標函數在給定區域上的最優化，又稱多目標最優化，在很多實際問題中，例如經濟、管理、軍事、科學和工程設計等領域，衡量一個方案的好壞往往難以用一個指標來判斷，而需要用多個目標來比較，而這些目標有時不甚協調，甚至是矛盾的，因此有許多學者致力于這方面的研究，多目標規劃或多目標優化問題的求解思路不外乎以下幾種，一者是化繁為簡的思路，就是說把相對較為繁雜的多目標優化問題轉化為較為簡單的單目標優化問題來求解，再者是分層序列法，該方法的思路是將多目標優化問題中的多個目標按照特定規則依次劃分為幾個類別或者說標準各自的優先級次序，然后按照重要程度或者優先級級別依次求解，直到完成對所有目標的求解，又或者是層次分析法，該方法是將與決策相關聯的元素分解成目標、準則、方案等層次并進行定性與定量相結合，從而形成的多目標決策與分析方法，這種方法在面對復雜目標結構和缺少必要的相關支持數據的情況時比較適用，還可以用修正單純形法求解；
[0003]但是目前大部分優化過程均采用了狼群算法，同時考慮到水流過程的確定系數和絕對差加權和的實際特點設計了一種新的多目標函數，然而WPA的優化能力相對不足，并且，狼群算法在作為群智能算法的一種，狼群算法在解決多模態多目標問題上的應用不是很多，相關的研究也不多，現有優化方法解決MMPs問題均存在這樣或那樣的不足。

技術實現思路

[0004]本專利技術提供一種改進型的多模態多目標狼群優化方法及裝置，可以有效解決上述
技術介紹
中提出目前大部分優化過程均采用了狼群算法，同時考慮到水流過程的確定系數和絕對差加權和的實際特點設計了一種新的多目標函數，然而WPA的優化能力相對不足，并且，狼群算法作為群智能算法的一種，其在解決多模態多目標問題上的應用不是很多，相關的研究也不多，現有優化方法解決MMPs問題均存在這樣或那樣的不足的問題。
[0005]為實現上述目的，本專利技術提供如下技術方案：一種改進型的多模態多目標狼群優化方法，在MMO
?
WPOA
?
RASGS
?
GBA中，引入RASGS策略以協同提高狼群算法在局部開發和全局勘探能力，以定位大量的Pareto最優解，且借助由非支配排序方案和特殊擁擠距離(SCD)組成的排序方法，采用GBA策略獲得并保持種群的歷史全局最優解，以此為錨誘導種群探索更好的解；
[0006]該優化方法具體包括如下步驟：
[0007]S1、隨機自適應收縮網格搜索策略(RASGS)；
[0008]S2、全局最優記錄奔襲策略(GBA)；
[0009]S3、MMO
?
WPOA
?
RASGS
?
GBA算法流程；
[0010]且在S3中，MMO
?
WPOA
?
RASGS
?
GBA的算法流程的詳細操作步驟如下：
[0011]S301、MMO
?
WPOA
?
RASGS
?
GBA的初始化；
[0012]S302、循環迭代的優化過程；
[0013]S303、記錄數據。
[0014]根據上述技術方案，所述S1中，提出了隨機ASGS策略(RASGS)，該策略以等距步長引入一個隨機參數，使ASGS策略具有靈活性，同時保持其自身的基本勘探擴展框架，RASGS策略可以用下面的公式(1)來說明：
[0015][0016]求解非線性和不規則的MMP要求算法不僅能夠在狩獵和圍攻階段保持搜索框架的穩定性，且能夠在處理復雜和無限的解空間時保持靈活性，RASGS繼承了前者的功能，并引入了隨機參數，從而實現后者，與ASGS
?
CWOA類似，基于此新策略的算法縮寫為RASGS
?
CWOA。
[0017]根據上述技術方案，所述S2中，MMP具有多個不一致的目標，因此無法通過傳統方法比較不同非支配解的質量，也無法像單目標規劃問題那樣找到全局最優解；
[0018]根據ASGS
?
CWOA的思想，狼需要在召喚群階段襲擊領頭狼，即全局最優，而排序后得到的序列中的第一個非支配解實際上并不是真正意義上的全局最優解，而是一個參考解，這足以誘導狼群聚集，再基于SCD排序以獲得全局最優值并完成召喚raid計算；
[0019]在召喚突襲階段，狼群會沖向各自鄰域最優檔案中的最優檔案，而不是全局最優檔案。
[0020]根據上述技術方案，所述S301中，MMO
?
WPOA
?
RASGS
?
GBA的初始化，首先以某種方式將狼分散到搜索空間或解空間，狼的數量可以用N表示，搜索空間的維數可以用D表示，并通過以下公式(2)來得到第i只狼的位置：
[0021]X
i
＝(X
i1
,X
i2
,...，X
id
,...，X
iD
)(i＝1，2，...，N；d＝1，2，...，D)(2)；
[0022]這里，xid是第i只狼在第d維度上的位置，其中N代表狼群種群的數量，D是解空間的最大維度數，每只狼的初始位置可以由以下公式(3)進行計算產生：
[0023][0024]在上式中，μ為控制變量，當μ為4時，系統處于混沌狀態，Chaosk+1產生并返回一個分布于0和1之間的混沌隨機數，VRmax and VRmin分別是解空間在各個維度上的邊界上限和邊界下限，具體如下公式(4)所示：
[0025][0026]在上式中，step_a_basic代表狼群算法中巡游階段的初始步長，step_b_basic代表狼群算法中召喚
?
奔襲階段的初始步長，step_c_max代表狼群算法中圍攻階段的初始步長的上限，step_c_min代表狼群算法中圍攻階段的初始步長的下限。
[0027]根據上述技術方案，所述S302中，循環迭代的優化過程主要是指按照以下公式進行迭代更新stepa、stepb和stepc：
[0028][0029]根據上述技術方案，在S302中，循環迭代的優化過程好具體包括如下階段：
[0030]巡游階段(Migration)、召喚
?
奔襲階段(Summon and Raid)、圍攻階段(Siege t本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種改進型的多模態多目標狼群優化方法，其特征在于：在MMO
?
WPOA
?
RASGS
?
GBA中，引入RASGS策略以協同提高狼群算法在局部開發和全局勘探能力，以定位大量的Pareto最優解，且借助由非支配排序方案和特殊擁擠距離組成的排序方法，采用GBA策略獲得并保持種群的歷史全局最優解，以此為錨誘導種群探索更好的解；該優化方法具體包括如下步驟：S1、隨機自適應收縮網格搜索策略；S2、全局最優記錄奔襲策略；S3、MMO
?
WPOA
?
RASGS
?
GBA算法流程；且在S3中，MMO
?
WPOA
?
RASGS
?
GBA的算法流程的詳細操作步驟如下：S301、MMO
?
WPOA
?
RASGS
?
GBA的初始化；S302、循環迭代的優化過程；S303、記錄數據。2.根據權利要求1所述的一種改進型的多模態多目標狼群優化方法，其特征在于：所述S1中，提出了隨機ASGS策略，該策略以等距步長引入一個隨機參數，使ASGS策略具有靈活性，同時保持其自身的基本勘探擴展框架，RASGS策略可以用下面的公式(1)來說明：求解非線性和不規則的MMP要求算法不僅能夠在狩獵和圍攻階段保持搜索框架的穩定性，且能夠在處理復雜和無限的解空間時保持靈活性，RASGS繼承了前者的功能，并引入了隨機參數，從而實現后者，與ASGS
?
CWOA類似，基于此新策略的算法縮寫為RASGS
?
CWOA。3.根據權利要求1所述的一種改進型的多模態多目標狼群優化方法，其特征在于：所述S2中，MMP具有多個不一致的目標，因此無法通過傳統方法比較不同非支配解的質量，也無法像單目標規劃問題那樣找到全局最優解；根據ASGS
?
CWOA的思想，狼需要在召喚群階段襲擊領頭狼，即全局最優，而排序后得到的序列中的第一個非支配解實際上并不是真正意義上的全局最優解，而是一個參考解，這足以誘導狼群聚集，再基于SCD排序以獲得全局最優值并完成召喚raid計算；在召喚突襲階段，狼群會沖向各自鄰域最優檔案中的最優檔案，而不是全局最優檔案。4.根據權利要求1所述的一種改進型的多模態多目標狼群優化方法，其特征在于：所述S301中，MMO
?
WPOA
?
RASGS
?
GBA的初始化，首先以某種方式將狼分散到搜索空間或解空間，狼的數量可以用N表示，搜索空間的維數可以用D表示，并通過以下公式(2)來得到第i只狼的位置：X
i
＝(X
i1
,X
i2
,...，X
id
,...，X
iD
)(i＝1...

【專利技術屬性】
技術研發人員：王東興，任永堅，
申請(專利權)人：珠海信核數據科技有限公司，
類型：發明
國別省市：