申请/专利权人:同济大学
申请日:2023-10-07
公开(公告)日:2023-12-22
公开(公告)号:CN117273055A
主分类号:G06N3/006
分类号:G06N3/006;G06F17/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.09#实质审查的生效;2023.12.22#公开
摘要:本发明提供了一种基于动态精英学习和动态环境选择的多目标优化装置,包括输入模块用于用户输入根据指定的多目标优化任务构建的m个目标函数和n个决策变量界限范围函数;初始化模块用于构建并初始化包括N个个体的种群P,并设置迭代次数G为1;种群存储模块用于存储种群P;计数存储模块用于存储迭代次数G和预先设置的最大迭代数;种群迭代模块用于根据迭代次数G、最大迭代数、决策变量界限范围函数和目标函数对种群P进行迭代更新得到种群PF;输出模块用于向用户显示种群PF作为多目标优化任务的优选方案。总之,本方法能够更加快速地得到更为准确的指定的多目标任务的优选方案。
主权项:1.一种基于动态精英学习和动态环境选择的多目标优化装置,其特征在于,包括:输入模块,用于用户输入根据指定的多目标优化任务构建的m个目标函数和n个决策变量界限范围函数;初始化模块,用于构建并初始化包括N个个体的种群P,并设置迭代次数G为1;种群存储模块,用于存储所述种群P;计数存储模块,用于存储所述迭代次数G和预先设置的最大迭代数Gmax;种群迭代模块,用于根据所述迭代次数G、所述最大迭代数Gmax、所述决策变量界限范围函数和所述目标函数对所述种群P进行迭代更新得到种群PF;输出模块,用于向所述用户显示所述种群PF作为所述多目标优化任务的优选方案,其中,所述种群迭代模块包括迭代判断子模块、种群更新子模块、动态精英学习子模块和动态环境选择子模块,所述迭代判断子模块用于判断所述计数存储模块中的所述迭代次数G是否大于所述最大迭代数Gmax,若是,则将所述种群存储模块中的所述种群P作为所述种群PF并输入所述输出模块,若否,则将所述种群存储模块中的所述种群P输入所述种群更新子模块,所述种群更新子模块用于对输入的所述种群P依次进行配对、交叉、变异和合并操作,得到种群S,所述动态精英学习子模块用于根据所述目标函数和所述决策变量界限范围函数对所述种群S进行动态精英学习,得到种群S′,所述动态环境选择子模块用于根据所述目标函数和所述种群S′对所述种群存储模块中的所述种群P进行更新,并将所述计数存储模块中的所述迭代次数G加1。
全文数据:
权利要求:
百度查询: 同济大学 基于动态精英学习和动态环境选择的多目标优化装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。