一种多目标蜂群区间优化方法、设备及介质技术

本发明专利技术公开了一种多目标蜂群区间优化方法，包括以下步骤：对蜜源进行初始化，以得到初始化蜜源，并创建外部存档集；基于信任度计算方法对初始化蜜源的区间进行计算，以得到初始化蜜源中每个点的信任度，并基于每个点的信任度进行排序，得到初始化最优点，将初始化蜜源排序得到的每个点存入外部存档集；基于ELS方法对外部存档集进行更新，以得到第一代新点，并基于信任度计算方法对第一代新点计算得到外部存档集最优点；基于初始化最优点和外部存档集最优点对初始化蜜源进行搜索，得到下一代蜜源，将其存入外部存档集并返回上一步；以及响应于达到迭代上限，输出最终结果。本发明专利技术利用单目标优化结果对多目标优化结果进行引导，极大提高了优化速度。

An interval optimization method, equipment and medium of multi-objective bee colony

【技术实现步骤摘要】
一种多目标蜂群区间优化方法、设备及介质
本专利技术涉及区间优化
，更具体地，特别是指一种多目标蜂群区间优化方法、设备及介质。
技术介绍
不确定性优化方法的种类有很多，其在经济学上有着广泛应用，多数的不确定性优化方法都是研究区间大小比较的情况。传统的优化理论不考虑不确定性，仅仅考虑单个数值的大小情况，这相对而言比较容易，而对于不确定性问题，由于数值的不确定性，会导致其数值大小会在某一个区间内进行变化，如何精确并完善的体现出整个区间的大小，就成了不确定性优化方法重要的研究课题。传统的区间对比方法，有基于区间均值的比较方法，该方法无法体现区间的跨越度，仅能比较区间的均值大小，如果出现区间跨越范围比较大的情况，容易出现错误结果；基于区间均值的比较方法是基于区间均值的比较方法的升级版，利用均值以及方差，把原来的区间比较转化为双目标比较方法，虽然能够解决前一种方法的疏漏，但是由于目标函数增多，会影响最终的优化结果。考虑区间可信度的区间优化方法，由于通过可信度将区间长度转化成一个单独的区间数，可以有效的降低目标函数的数量，由于区间可信度是由区间上下限计算得出的，所以也能体现区间的整体位置。相对于传统的确定性多目标优化算法，区间优化算法由于目标函数更加复杂，其优化难度也更大。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提出一种多目标蜂群区间优化方法、设备及介质，利用单目标优化结果对多目标优化结果进行引导，在优化初期极大地提高了优化速度。基于上述目的，本专利技术实施例的一方面提供了一种多目标蜂群区间优化方法，包括如下步骤：对蜜源进行初始化，以得到初始化蜜源，并创建外部存档集；基于信任度计算方法对初始化蜜源的区间进行计算，以得到初始化蜜源中每个点的信任度，并基于每个点的信任度进行排序，得到初始化最优点，以及将初始化蜜源排序得到的每个点存入外部存档集；基于ELS方法对外部存档集进行更新，以得到第一代新点，并基于信任度计算方法对第一代新点计算得到外部存档集最优点；基于初始化最优点和外部存档集最优点对初始化蜜源进行搜索，得到下一代蜜源，将其存入外部存档集并返回上一步骤；以及响应于达到迭代上限，输出最终结果。在一些实施方式中，还包括：计算第一代新点的fit值，并基于第一代新点的fit值计算得到重新初始化概率；响应于重新初始化概率大于预定随机数，将蜜源重新初始化。在一些实施方式中，得到下一代蜜源，将其存入外部存档集并返回上一步骤包括：判断下一代蜜源返回外部存档集后外部存档集的预计点数；响应于预计点数大于外部存档集的容量点数，计算预计点数与容量点数的差值；将下一代蜜源进行最优排序，并基于最优排序删除差值个劣点；将剩余的点作为下一代蜜源存入外部存档集并返回所述上一步骤。在一些实施方式中，将下一代蜜源进行最优排序包括：计算下一代蜜源每个点的拥挤度并进行排序；基于信任度计算方法对下一代蜜源每个点的信任度进行排序。在一些实施方式中，响应于达到迭代上限，输出最终结果包括：基于迭代次数、迭代时间和迭代结果设置阈值，并进行判断；响应于达到阈值，停止迭代并输出最终结果。本专利技术实施例的另一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：对蜜源进行初始化，以得到初始化蜜源，并创建外部存档集；基于信任度计算方法对初始化蜜源的区间进行计算，以得到初始化蜜源中每个点的信任度，并基于每个点的信任度进行排序，得到初始化最优点，以及将初始化蜜源排序得到的每个点存入外部存档集；基于ELS方法对外部存档集进行更新，以得到第一代新点，并基于信任度计算方法对第一代新点计算得到外部存档集最优点；基于初始化最优点和外部存档集最优点对初始化蜜源进行搜索，得到下一代蜜源，将其存入外部存档集并返回上一步骤；以及响应于达到迭代上限，输出最终结果。在一些实施方式中，还包括：计算第一代新点的fit值，并基于第一代新点的fit值计算得到重新初始化概率；响应于重新初始化概率大于预定随机数，将蜜源重新初始化。在一些实施方式中，得到下一代蜜源，将其存入外部存档集并返回上一步骤包括：判断下一代蜜源返回外部存档集后外部存档集的预计点数；响应于预计点数大于外部存档集的容量点数，计算预计点数与容量点数的差值；计算下一代蜜源每个点的拥挤度并进行排序；基于信任度计算方法对下一代蜜源每个点的信任度进行排序，并基于最优排序删除差值个劣点；将剩余的点作为下一代蜜源存入外部存档集并返回所述上一步骤。在一些实施方式中，响应于达到迭代上限，输出最终结果包括：基于迭代次数、迭代时间和迭代结果设置阈值，并进行判断；响应于达到阈值，停止迭代并输出最终结果。根据本专利技术，还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现以上所述方法的步骤。本专利技术具有以下有益技术效果：利用单目标优化结果对多目标优化结果进行引导，在优化初期极大地提高了优化速度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。图1为本专利技术提供的多目标蜂群区间优化方法的实施例的示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术实施例进一步详细说明。需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。基于上述目的，本专利技术实施例的第一个方面，提出了一种多目标蜂群区间优化方法的实施例。图1示出的是本专利技术提供的多目标蜂群区间优化方法的实施例的示意图。如图1所示，本专利技术实施例包括如下步骤：S1、对蜜源进行初始化，以得到初始化蜜源，并创建外部存档集；S2、基于信任度计算方法对初始化蜜源的区间进行计算，以得到初始化蜜源中每个点的信任度，并基于每个点的信任度进行排序，得到初始化最优点，以及将初始化蜜源排序得到的每个点存入外部存档集；S3、基于ELS方法对外部存档集进行更新，以得到第一代新点，并基于信任度计算方法对第一代新点计算得到外部存档集最优点；S4、基于初始化最优点和外部存档集最优点对初始化蜜源进行搜索，得到下一代蜜源，将其存入外部存档集并返回上一步骤；以及S5、响应于达到迭代上限，输出最终结果。在本实施例中，利用区间可信度作为区间大小的比较方法，将区间转化为可信度进行量化比较，利用单目标蜂群优化对多目标蜂群优化进行引导，进一步提高了区间蜂群优化算法的优化效率。对蜜源进行初始化，以得到初始化蜜源，利用以下公本文档来自技高网...

【技术保护点】
1.一种多目标蜂群区间优化方法，其特征在于，包括：/n对蜜源进行初始化，以得到初始化蜜源，并创建外部存档集；/n基于信任度计算方法对所述初始化蜜源的区间进行计算，以得到所述初始化蜜源中每个点的信任度，并基于所述每个点的信任度进行排序，得到初始化最优点，以及将所述初始化蜜源排序得到的每个点存入外部存档集；/n基于ELS方法对所述外部存档集进行更新，以得到第一代新点，并基于所述信任度计算方法对所述第一代新点计算得到外部存档集最优点；/n基于所述初始化最优点和外部存档集最优点对所述初始化蜜源进行搜索，得到下一代蜜源，将其存入所述外部存档集并返回上一步骤；以及/n响应于达到迭代上限，输出最终结果。/n

【技术特征摘要】
1.一种多目标蜂群区间优化方法，其特征在于，包括：
对蜜源进行初始化，以得到初始化蜜源，并创建外部存档集；
基于信任度计算方法对所述初始化蜜源的区间进行计算，以得到所述初始化蜜源中每个点的信任度，并基于所述每个点的信任度进行排序，得到初始化最优点，以及将所述初始化蜜源排序得到的每个点存入外部存档集；
基于ELS方法对所述外部存档集进行更新，以得到第一代新点，并基于所述信任度计算方法对所述第一代新点计算得到外部存档集最优点；
基于所述初始化最优点和外部存档集最优点对所述初始化蜜源进行搜索，得到下一代蜜源，将其存入所述外部存档集并返回上一步骤；以及
响应于达到迭代上限，输出最终结果。


2.根据权利要求1所述的方法，其特征在于，还包括：
计算所述第一代新点的fit值，并基于所述第一代新点的fit值计算得到重新初始化概率；
响应于所述重新初始化概率大于预定随机数，将蜜源重新初始化。


3.根据权利要求1所述的方法，其特征在于，得到下一代蜜源，将其存入所述外部存档集并返回上一步骤包括：
判断所述下一代蜜源返回所述外部存档集后所述外部存档集的预计点数；
响应于所述预计点数大于所述外部存档集的容量点数，计算所述预计点数与所述容量点数的差值；
将所述下一代蜜源进行最优排序，并基于所述最优排序删除所述差值个劣点；
将剩余的点作为下一代蜜源存入所述外部存档集并返回所述上一步骤。


4.根据权利要求3所述的方法，其特征在于，将所述下一代蜜源进行最优排序包括：
计算所述下一代蜜源每个点的拥挤度并进行排序；
基于信任度计算方法对所述下一代蜜源每个点的信任度进行排序。


5.根据权利要求1所述的方法，其特征在于，响应于达到迭代上限，输出最终结果包括：
基于迭代次数、迭代时间和迭代结果设置阈值，并进行判断；
响应于达到阈值，停止迭代并输出最终结果。


6.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储...

【专利技术属性】
技术研发人员：王塞塞，张晶博，
申请(专利权)人：山东超越数控电子股份有限公司，
类型：发明
国别省市：山东;37