买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥城市云数据中心股份有限公司

摘要：本发明公开了一种基于分支非支配排序算法的工业生产过程多目标优化方法，首先构建多目标优化模型，根据马尔科夫决策模型、并采用分支非支配排序算法进行多次迭代处理，求解多目标优化模型，得到Pareto最优解集，从Pareto最优解集选出最优个体作为将要实施于实际场景下工业生产过程中的优化方案。本发明的分支非支配排序算法以强化学习为框架，结合三种环境变化程度响应机制，并采用外部存储单元存储每次进化迭代过程中的非支配解，并采用树状结构比较合并，得到适用于工业生产过程多目标优化后的Pareto最优解集，从而优化经典进化算法在不同环境变化程度下的收敛性。

主权项：1.基于分支非支配排序算法的工业生产过程多目标优化方法，其特征在于：首先构建多目标优化模型，根据马尔科夫决策模型、并采用分支非支配排序算法进行多次迭代处理，求解多目标优化模型，得到Pareto最优解集，从Pareto最优解集选出最优个体作为将要实施于实际场景下工业生产过程中的优化方案；所述的求解多目标优化模型的具体步骤为：构建初始种群，初始种群进行非支配排序得到父代种群，父代种群采用不同的遗传方式进行处理得到子代种群，子代种群采用精英策略更新种群，更新后的种群放进马尔科夫决策模型下进行训练，训练后得到的种群作为下一代的初始种群，重复上述步骤多次，多次迭代处理后，采用外部存储单元存储处理每次迭代处理后的局部Pareto最优解集，最终得到Pareto最优解集；所述的精英策略更新种群是计算环境变化的严重程度，根据环境变化的严重程度选择对应的响应机制进行种群更新；所述的精英策略更新种群的具体步骤为：S21、计算时刻下环境状态的偏差，具体见下式（3）： （3）；式（3）中，代表时刻下环境的状态值，代表时刻下环境的状态值，和分别代表时刻下环境状态值的最低点和乌托邦点，是种群中的个体，是种群中个体的数量；设定偏差阈值，当计算得到的小于，则判定环境变化程度为轻微；当等于，则判定环境变化程度为中等；当大于，则判定环境变化程度为严重；S22、当判定环境变化程度为轻微的时候，采用基于指标的局部搜索机制，具体是采用质量指标作为中适应度分配的选择原则；在选择过程中，计算两个Pareto解集相对于彼此的比较质量，质量指标的表达式见式（4）： （4）；式（4）中，为两个Pareto解集，是不同时刻两次迭代得到的解集；为Pareto解集中的个体，为Pareto解集中的个体，为的适应度值，为的适应度值，质量指标表示Pareto解集比Pareto解集更差的因子，即为最小的因子；采用质量指标计算个体适应度值，计算公式见下式（5）： （5）；式（5）中，为子代种群，为0.05，均为子代种群中的个体，为子代种群中除了个体的剩余全部个体；通过个体适应度值的计算结果重新进行非支配排序生成更新后的种群；S23、当判定环境变化程度为中等的时候，采用基于中心的预测机制，时间步长下预测个体的计算公式见下式（6）： （6）； （7）；式（6）中，和分别是和时间步长的中心点，代表向量的模长，为高斯扰动值，的计算公式见式（7）；式（7）中，表示时刻下的Pareto最优解集，表示时刻下Pareto最优解集中的个体； 时间步长下的预测个体组成更新后的种群；S24、当判定环境变化程度为严重的时候，则采用基于膝关节的预测机制，即采用最小化曼哈顿距离寻找膝关节解，最小化曼哈顿距离表达式见下式（8）： （8）；式（8）中，代表某点到点的曼哈顿距离，和则为某点到点的最小曼哈顿距离和最大曼哈顿距离，当某点为最小化曼哈顿距离对应的位置，某点对应的最小化曼哈顿距离为；根据最小化曼哈顿距离方法，确认最小化曼哈顿距离对应的点,点即为膝关节解，根据膝关节解，计算运动步长，计算公式见下式（9）： （9）；式（9）中，表示时刻的曼哈顿距离最小化时，对应的点；表示时刻的曼哈顿距离最小化时，对应的点；代表向量的模长； 时间步长下预测个体的计算公式见下式（10）： （10）；式（10）中，为高斯扰动值，表示时刻下Pareto最优解集中的个体； 时间步长下的预测个体组成更新后的种群。

全文数据：

权利要求：

百度查询： 合肥城市云数据中心股份有限公司 基于分支非支配排序算法的工业生产过程多目标优化方法