【技术实现步骤摘要】
本专利技术涉及人工智能领域，特别涉及一种求解有约束多目标优化问题的进化算法的知识迁移方法。
技术介绍
1、有约束多目标优化问题（constrained multi-objective optimizationproblem, cmop）广泛存在于工业设计、制造、能源管理、物流、仓储等领域，该类问题通常包含若干相互冲突的优化目标和约束条件，优化一个目标时，可能会导致其他目标变差，因此cmop的解为一个包含多个独立解的解集，其中的任一解表示一种在各优化目标上进行权衡方式的方案。cmop通常存在复杂度高、可行域不规则、非线性等特点，求解难度较高。
2、作为人工智能的重要分支，进化优化算法是学术界广泛接受的cmop求解方法。cmop求解的目的为找到尽可能接近对各目标具有最优权衡效果的解，即帕累托最优解（pareto optimal solutions）。目前，cmop的进化优化算法可分为基于惩罚函数的方法、基于目标与约束分离的方法、基于问题类型转换的方法、和基于进化策略改进的方法。
3、在基于问题类型转换的方法中，将cmop转换为多任务优化问题（multi-taskoptimization problem, mtop）具有较为理想的性能，其通常利用不同任务间的信息交换启发算法产生优质的可行解，特点为收敛性能高、泛化能力强。
4、但在处理具有复杂优化目标和约束条件的cmop时存在优化结果利用效率不足、无法有效指导算法收敛的挑战，须充分考虑基于多任务cmop优化算法的特性，设计高效、稳定的知识迁移策略，提
5、本专利技术的目的在于分析基于多任务的cmop优化算法的特性，设计适用于该机制的高效知识迁移策略，使得所提出的策略能够提高cmop优化算法的收敛性和泛化能力。
技术实现思路
1、本公开的第一方面，提供一种求解有约束多目标优化问题的进化算法的知识迁移方法，所述方法包括以下步骤：
2、将有约束多目标优化问题作为主任务，同时去除所述有约束多目标优化问题中的约束条件，构建无约束的多目标优化问题作为辅助任务；
3、随机选择所述主任务种群和所述辅助任务种群中的部分解，分别构成第一集合和第二集合，并基于进化算法分别生成第一候选解及第二候选解；
4、基于所述第一候选解及第二候选解生成主任务待筛选种群及辅助任务待筛选种群；
5、根据所述主任务待筛选种群及辅助任务待筛选种群的可行性和预设顺序从中筛选分别生成下一代主任务种群及下一代辅助任务种群。
6、结合第一方面，所述随机选择所述主任务种群和所述辅助任务种群中的部分解，分别构成第一集合和第二集合包括：
7、当所述进化算法的迭代次数小于等于第一预设条件时，随机从所述主任务种群及所述辅助任务种群中分别选择解构成所述第一集合和所述第二集合；
8、基于所述第一集合和所述第二集合，利用所述进化算法分别生成所述第一候选解及所述第二候选解。
9、结合第一方面，所述随机选择所述主任务种群和所述辅助任务种群中的部分解，分别构成第一集合和第二集合还包括：
10、当所述进化算法的迭代次数大于第一预设条件时，随机选择所述主任务种群中的非支配可行解和支配可行解，构成所述第一集合，随机选择所述辅助任务种群中的非支配解，构成所述第二集合；
11、根据所述第一集合和所述第二集合分别生成所述第一候选解及所述第二候选解。
12、结合第一方面，所述基于所述第一候选解及第二候选解生成主任务待筛选种群及辅助任务待筛选种群包括：
13、融合所述主任务种群、所述第一集合及所述二集合得到所述第一候选解；
14、融合所述辅助任务种群及所述二集合得到所述第二候选解。
15、结合第一方面，所述基于所述第一候选解及第二候选解生成主任务待筛选种群及辅助任务待筛选种群还包括：
16、融合所述主任务种群及所述第一集合得到第一待迁移集合，融合所述辅助任务种群及所述二集合得到第二待迁移集合；
17、用主任务的所有目标函数评价所述第一待迁移集合，用主任务的所有目标函数和约束函数评价所述第二待迁移集合；
18、选择所述第一待迁移集合的部分解形成所述第一候选解，选择所述第二待迁移集合的部分解形成所述第二候选解。
19、结合第一方面，若所述第二待迁移集合的中非支配解数量小于预设值，则通过生成参考向量与候选解的角距离关联，选择与未关联向量关联的解补充至预设值。
20、结合第一方面，所述预设顺序包括：
21、可行非支配解>可行支配解>不可行非支配解>不可行支配解。
22、结合第一方面，所述第一预设条件包括迭代次数，其中为设定的阶段参数，为所述进化算法最大迭代次数。
23、本公开的第二方面，提供一种电子设备，包括：
24、一个或多个处理器；
25、存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据所述求解有约束多目标优化问题的进化算法的知识迁移方法。
26、本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能实现所述求解有约束多目标优化问题的进化算法的知识迁移方法。
27、有益效果：本专利技术通过将有约束多目标优化问题分解为主任务和辅助任务，借助无约束问题的辅助优化提升主任务的种群多样性和搜索效率，同时利用基于可行性与非支配性的筛选策略，确保主任务种群的解在约束条件下的优越性和多目标优化性能，从而实现了在复杂约束场景下高效求解有约束多目标优化问题的目标。该方法兼顾了解的可行性、支配性以及种群的多样性，相较传统方法具有更强的全局搜索能力和更高的优化效率。
本文档来自技高网...【技术保护点】
1.一种求解有约束多目标优化问题的进化算法的知识迁移方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述随机选择所述主任务种群和所述辅助任务种群中的部分解，分别构成第一集合和第二集合包括：
3.根据权利要求1所述的方法，其特征在于，所述随机选择所述主任务种群和所述辅助任务种群中的部分解，分别构成第一集合和第二集合还包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述第一候选解及第二候选解生成主任务待筛选种群及辅助任务待筛选种群包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述第一候选解及第二候选解生成主任务待筛选种群及辅助任务待筛选种群还包括：
6.根据权利要求5所述的方法，其特征在于，若所述第二待迁移集合的中非支配解数量小于预设值，则通过生成参考向量与候选解的角距离关联，选择与未关联向量关联的解补充至预设值。
7.根据权利要求1所述的方法，其特征在于，所述预设顺序包括：
8.根据权利要求1所述的方法，其特征在于，所述第一预设条件包括迭代次数，其中
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能实现根据权利要求1至8中任一项所述求解有约束多目标优化问题的进化算法的知识迁移方法。
...【技术特征摘要】
1.一种求解有约束多目标优化问题的进化算法的知识迁移方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述随机选择所述主任务种群和所述辅助任务种群中的部分解，分别构成第一集合和第二集合包括：
3.根据权利要求1所述的方法，其特征在于，所述随机选择所述主任务种群和所述辅助任务种群中的部分解，分别构成第一集合和第二集合还包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述第一候选解及第二候选解生成主任务待筛选种群及辅助任务待筛选种群包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述第一候选解及第二候选解生成主任务待筛选种群及辅助任务待筛选种群还...
【专利技术属性】
技术研发人员：赵海童，邢晓双，曹宇，王国栋，周斌，成晓璐，仝灿，苏超，黄龙吉，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。