适用于复杂产品优化设计的遗传算法初始种群构造方法

摘要

适用于复杂产品优化设计的遗传算法初始种群构造方法，属于复杂产品优化设计技术领域。确定该复杂产品优化设计的目标并初步指定构成该遗传算法初始种群的三种样本量的比例；为该复杂产品优化设计生成样本量为S的原始设计方案样本集；为该复杂产品优化设计生成虚拟设计方案样本集和随机设计方案样本集；合并原始设计方案样本集、虚拟设计方案样本集和随机设计方案样本集，形成适用于复杂产品优化设计的遗传算法初始种群。本发明方法构建的遗传算法的初始种群，这种初始种群构造方法能够使遗传算法从质量较高的初始解展开搜索，减少搜索工作量，可以提高遗传算法的速度，且可以同时保证帕累托(pareto)前沿的均匀性和光滑性。

主权项

一种适用于复杂产品优化设计的遗传算法初始种群构造方法，其特征在于：包括如下步骤：步骤1：确定该复杂产品优化设计的目标，并初步指定构成该遗传算法初始种群的三种样本量的比例为：原始设计方案样本量：虚拟设计方案样本量：随机设计方案样本量＝X：Y：Z，并记原始设计方案样本所占比值为步骤2：采用正交试验设计的方法，为该复杂产品优化设计生成S个设计方案，并将上述的每个设计方案视作一个原始设计方案样本，进而构成样本量为S的原始设计方案样本集；步骤3：确定各决策变量对该复杂产品优化设计目标的综合影响程度并进行排序；步骤3.1：对每个原始设计方案样本进行归一化处理得到归一化的设计方案样本，进而得到样本量为S的归一化的设计方案样本集；将第i个归一化的设计方案样本表示为S_i＝(x_i,1...x_i,j...x_i,N)，该样本矢量由P个决策变量a_i,1...a_i,P和Q个目标变量b_i,1...b_i,Q共同组成，P+Q＝N；步骤3.2：基于归一化的设计方案样本集，利用熵方法确定目标变量的相对权重：步骤3.3：根据目标变量的相对权重，通过极差分析法分析正交试验结果，得到总体优化目标下各决策变量的综合极差并排序，并以各决策变量的综合极差排序作为各决策变量对该复杂产品优化设计目标的综合影响程度排序；步骤4：基于各决策变量的综合极差值，选择决策变量对该复杂产品优化设计目标的综合影响程度排序中的前K个决策变量作为遗传算法进化所需染色体的基因；步骤5：基于样本量为S的归一化的设计方案样本集，生成虚拟设计方案样本集和随机设计方案样本集；步骤5.1：如0≤Y≤X则把Y调整为X，并以归一化的S个原始设计方案样本为基础样本，Z和Y的比值仍保持原来的比例；如果Y>X，则拷贝归一化的设计方案样本集份，形成集合A，再从归一化的S个设计方案样本中随机选择个样本形成集合B，A、B一起构成基础样本集，此处[]表示向下取整操作；步骤5.2：根据调整后的三种样本量的比例及原始设计方案样本量S，确定随机设计方案样本量，并采用随机函数生成随机设计方案样本集，其中随机设计方案样本中各变量取值范围为[‑1,1]；步骤5.3：生成随机扰动，并将其叠加到上述基础样本上生成虚拟设计方案样本，并把虚拟设计方案样本各变量约束在[‑1,1]取值区间内，进而得到虚拟设计方案样本集：对S_i的第j个变量x_i,j∈[‑1,1]的扰动d_i,j为[‑1,1]内的随机值，其叠加到x_i,j的加权值即扰动强度为β，则x_i,j所对应虚拟变量x′_i,j的计算方法为：$x_{i,j}^{\prime }=\left\{\begin{array}{ccc}2-{\mathrm{Temp}}_{i,j}& if& {\mathrm{Temp}}_{i,j}\ge 1\\ {\mathrm{Temp}}_{i,j}& & else\\ -2-{\mathrm{Temp}}_{i,j}& if& {\mathrm{Temp}}_{i,j}\le -1\end{array}\right.---\left(1\right)$其中Temp_i,j＝x_i,j+β*d_i,j,β∈[‑0.5，0.5]，从而得到与S_i对应的虚拟设计方案样本S′_i＝(x′_i,1...x′_i,j...x′_i,N)；步骤6：合并归一化的设计方案样本集、虚拟设计方案样本集和随机设计方案样本集，形成适用于复杂产品优化设计的遗传算法初始种群。