(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111424117.9 (22)申请日 2021.11.26 (71)申请人 西安电子科技大 学 地址 710000 陕西省西安市雁塔区太白南 路2号 (72)发明人 公茂果　熊普　李豪　李得众　 武越　王善峰　刘洁怡　蒋祥明　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 代理人 王萌 (51)Int.Cl. G06F 30/27(2020.01) G06F 9/50(2006.01) G06N 3/12(2006.01) G06F 111/06(2020.01) (54)发明名称 一种云计算环境下代理优化的问题规模统 一化方法 (57)摘要 本发明公开了一种云计算环境下代理优化 的问题规模统一化方法， 应用于云端， 包括： 获取 客户端关于多目标问题的优化任务； 产生多个输 入样本， 利用真实函数得到输出矩阵； 产生多个 权向量， 将多目标问题聚合为单目标问题； 从云 端数据库中获取若干个相关源模 型， 构建多问题 代理模型； 利用多问题代理模型搜索待评估点， 利用真实函数评估待评估点以更新输出矩阵， 得 到帕累托前沿面； 判断是否达到预设的评估次 数； 若否返回产生多个权向量的步骤； 若是将最 终得到的帕累托前沿面作为优化结果返回客户 端。 本发明运用了多问题代理模 型的方法来进行 多目标优化， 引入随机投影矩阵能解决源模型与 目标模型问题 规模不一致的情况， 能得到更精确 的结果， 并降低成本 。 权利要求书3页 说明书10页 附图2页 CN 114386309 A 2022.04.22 CN 114386309 A 1.一种云计算环境下代 理优化的问题规模统一化方法， 其特征在于， 应用于云端， 所述 方法包括： S1， 获取客户端关于多目标问题的优化任务； S2， 产生多个输入样本， 并利用所述优化任务中的真实函数 得到输出矩阵； S3， 产生多个权向量， 利用所述多个权向量和当前的输出矩阵将所述多目标问题聚合 为单目标问题； S4， 从云端数据库中获取与所述优化任务相关的若干个相关源模型， 利用所述若干个 相关源模型构建多问题 代理模型； S5， 利用所述多问题代理模型搜索待评估点， 利用所述真实函数评估所述待评估点以 更新输出矩阵， 并根据更新后的输出矩阵得到包 含多个非支配最优解的帕累托前沿面； S6， 判断当前评估次数 是否达到预设的评估次数； 若否， 返回S3； 若是， 执行S7， 将最终得到的帕累托前沿面作为优化结果返回所述客户 端。 2.根据权利要求1所述的云计算环境下代理优化的问题规模统一化方法， 其特征在于， 所述产生多个权向量， 包括： 在单位超平面均匀产生多个权向量； 其中， 权向量的数量等于所述当前的输出矩阵中 的数值数量， 每 个权向量含有的权值数量 等于所述多目标问题中的目标 数量。 3.根据权利要求1或2所述的云计算环境下代理优化的问题规模统一化方法， 其特征在 于， 所述利用所述多个权 向量和当前 的输出矩阵将所述多目标问题 聚合为单目标问题， 包 括： 利用所述多个权向量 聚合所述当前的输出矩阵中的数值， 得到多个聚合数值； 其中， 每 个聚合数值表示对应的输入样本在所述单目标问题下的输出值。 4.根据权利要求3所述的云计算环境下代理优化的问题规模统一化方法， 其特征在于， 所述利用所述多个权向量聚合所述当前的输出矩阵中的数值， 得到多个聚合数值， 包括： 利用所述多个权向量， 依据切比雪夫聚合法， 聚合所述当前的输出矩阵中的数值， 得到 多个聚合数值； 其中， 针对所述切比雪夫聚合法， 满足以下公式： 其中， y(x|w)表示聚合数值， 即y表示所述多目标问题聚合成单目标问题后的输出值， x 表示输入样本， w表示权向量； m表示所述多目标问题中的目标数； wj表示权向量中的第j个 权值； fj表示将x输入 所述真实函数后第j 个目标函数的函数值； 表示第j个目标函数中的 最小函数值， 表示 为第j个目标的参 考点。 5.根据权利要求1所述的云计算环境下代理优化的问题规模统一化方法， 其特征在于， 所述利用所述若干个相关源 模型构建多问题 代理模型， 包括： 利用由所述多个输入样本和所述当前的输出矩阵得到的多对样本数据对， 训练出一个 初始的高斯过程模型； 针对每一个相关源模型， 引入对应的一个随机投影矩阵， 利用所述随机投影矩阵将所 述多个输入样本所构成的输入矩阵进行降维， 得到该相关源 模型对应的新输入矩阵；权　利　要　求　书 1/3 页 2 CN 114386309 A 2利用所述多对样本数据对生成样本 外目标特征向量； 针对每个相关源模型， 将对应的新输入矩阵作为输入， 得到对应的输出值， 并由所有相 关源模型的输出值构成源特 征矩阵； 基于所述样本 外目标特征向量和所述源特 征矩阵， 计算混合系数； 利用所述混合系数构建多问题 代理模型。 6.根据权利要求5所述的云计算环境下代理优化的问题规模统一化方法， 其特征在于， 所述针对每一个相关源模型， 引入对应的一个随机投影矩阵， 利用所述 随机投影矩阵将所 述多个输入样本所构成的输入矩阵进行降维， 得到该相关源 模型对应的新输入矩阵， 包括： 针对每一个相关源模型， 利用该相关源模型的输入维度d2， 以及所述输入样本的维度 d1， 为该相关源模型引入一个维度为d1 ×d2的随机投影矩阵M； 其中， 所述随机投影矩阵中 的元素为[0,1]之间的随机数； 利用公式Xnew＝M*X计算得到该相关源模型对应 的新输入矩阵Xnew； 其中， X表示所述多 个输入样本所构成的输入矩阵。 7.根据权利要求6所述的云计算环境下代理优化的问题规模统一化方法， 其特征在于， 所述利用所述多对样本数据对生成样本 外目标特征向量， 包括： 利用去一法以及所述初始的高斯过程模型， 得到每一样本数据对被排除后对应构建的 一个临时高斯过程模型； 针对得到的每 个临时高斯过程模型， 得到每一个输入样本在其上的预测值； 将同一输入样本经不同临时高斯过程模型得到的所有预测值求取均值得到该同一输 入样本的预测均值； 由所有输入样本的预测均值构成样本 外目标特征向量。 8.根据权利要求7所述的云计算环境下代理优化的问题规模统一化方法， 其特征在于， 所述混合系数的计算公式， 包括： minimize: Subject to: as,j≥0,j＝1,2,3,. ..,B aT≥0 其中， n表示所述输入样本的数量； B表示所述相关源模型的数量； 各as,j和aT为混合系 数； 表示所述源特征矩阵中第j个相关源模型的输出值； 表示所述样本外目标特征 向量中第i个输入样 本的预测均值； y(i)表示在所述单目标问题下第i个输入样 本的输出值， 即对应的聚合数值。 9.根据权利要求8所述的云计算环境下代理优化的问题规模统一化方法， 其特征在于， 所述多问题 代理模型的构建公式， 包括：权　利　要　求　书 2/3 页 3 CN 114386309 A 3