(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 202111520375.7 (22)申请日 2021.12.13 (71)申请人 华东计算技术研究所 （中国电子科 技集团公司第三十二研究所） 地址 201800 上海市嘉定区嘉罗路1485号 (72)发明人 郭崭　 (74)专利代理 机构 上海段和段律师事务所 31334 代理人 郭国中 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 111/06(2020.01) G06F 111/04(2020.01) G06F 111/08(2020.01) (54)发明名称 基于优势信息提取的多目标优化方法及系 统 (57)摘要 本发明提供了一种基于优势信息提取的多 目标优化方法及系统， 涉及通信系统设计技术领 域， 该方法包括： 步骤S1： 提取空间优势信息， 并 获取空间分区的结果； 步骤S2： 根据获取的空间 分区的结果， 提取参数空间优势信息， 充分应用 不同进化阶段优势个体所包含的参数信息； 步骤 S3： 根据参数信息， 挑选分布在不同区域的最优 个体， 指导进化过程。 本发明能够在计算过程中 充分提取优势信息， 指导进化， 极大程度的提升 算法的搜索能力和多目标权衡能力， 使得算法能 够高效的优化实际工业生产过程， 提高经济效 益。 权利要求书6页 说明书16页 附图1页 CN 114330108 A 2022.04.12 CN 114330108 A 1.一种基于优势信息提取的多目标优化方法， 其特 征在于， 包括： 步骤S1： 提取空间优势信息， 并获取空间分区的结果； 步骤S2： 根据获取的空间分区的结果， 提取参数空间优势信 息， 充分应用不同进化阶段 优势个体所包含的参数信息； 步骤S3： 根据参数信息， 挑选分布在不同区域的最优个 体， 指导进化过程。 2.根据权利要求1所述的基于优势信 息提取的多目标优化方法， 其特征在于， 所述步骤 S1包括： 通过计算得到的适应值f被归一 化到0‑1之间， 矢量形式如下： 其中， 表示归一 化操作后的适应值； x表示决策变量， xi表示第i个决策变量； N表示有N个决策变量； m表示有m个目标函数， 其中i， j分别表示指定的第i个决策变量， 第j个目标函数； f′(xi)表示第i个决策变量xi在所有目标函数 上得到的适应值的集 合； [.]T表示集合的转置； 所有目标函数在每一维中的最大值和最小值组成： 和 t表示选中的第t维； Rpmax由一个目标函数的最大值和其 余函数的最小值组成； Rpmin由所有目标函数的最小值组成； 利用公式(3)计算 适应值f′和参考点Rpmax之间的向量角： θ ＝arccos(f′(x),Rpmax)                  (3) 其中， ||.||表示向量的范 数； 计算参考点之间的向量角 β： β(t,j)＝arccos(Rpmax,t,Rpmax,j),t∈{1,2,. ..,m},j∈{1,2,. ..,m},t≠j      (5) 当目标函数的个数超过两个后， 随机选择两个目标函数的适应值对应的参考点计算向 量角， (t,j)为选择的第t,j个目标函数； 根据计算获得的参考点间的向量角和适应值与参考点之间的向量角， 使用公式(6)赋 予每个参与进化的个 体一个属于自己的0 ‑1标签：权　利　要　求　书 1/6 页 2 CN 114330108 A 2其中， n为子空间的数量； Sni表示第i个决策变量的标签， 所有决策变量的标签集合用Sn 表示； 获取进化过程中每一代得到的子解 集中包含的优势个 体Pbest； 通过公式(1)～(6)， 将目标空间划分为 n个子空间， 种群X也被分成相应的若干 子种群； 使用公式(7)计算每个子空间的中心位置， 参考点Rpmin与中心位置的方向即为每个子 空间的最优进化方向； 其中， Tk表示中心位置， zk代表第kth个子空间中个 体的数量。 3.根据权利要求2所述的基于优势信 息提取的多目标优化方法， 其特征在于， 所述步骤 S1还包括： 计算第kth个子空间中所有的个 体和在最优进化方向上的参 考点Rpmin的距离； 在计算获得的所有距离当中， 拥 有最短的距离的个体被定义为该子空间中的最优个体 Pbest,k； 第kth个子空间中所有个 体的数量用zk表示； di,k＝||f′(xi,k)||cos(f′(xi,k),Tk),k＝1,2,...,n,i＝1,2,...,zk     (8) 其中， di,k表示在第k个子空间中， 第i个个体与 最优进化方向上的参考点Rpmin之间的距 离； f′(xi,k)表示在第k个子空间中决策变量xi的适应值。 4.根据权利要求3所述的基于优势信 息提取的多目标优化方法， 其特征在于， 所述步骤 S2包括： 利用步骤S1中的空间分区的结果通过公式(10)计算父代个体的适应值和子代个体的 适应值的差值； 其中， k代 表第kth个子空间； zk代表第kth个子空间中个 体的数量； Δfk,i代表第kth个子空间中子代个 体和父代个 体适应值的差值的和； 同时， 保留结果为正实数的Δfk,i存储在集合Vk,k∈{1,2,...,n}中， 其对应的参数存储 于集合Rk,k∈{1,2,. ..,n}中； 根据集合中的数据建立混合高斯模型 μ为均值， σ2为方差： 权　利　要　求　书 2/6 页 3 CN 114330108 A 3