并行多目標多級迭代數據優化處理方法技術

并行多目標多級迭代數據優化處理方法，包括至少一次迭代優化過程，所述迭代優化過程包括：種子生長步驟：在預先劃定的關注區域內，布下N個初始種子點；區域篩選步驟，所述區域篩選步驟為循環進行，第一次區域篩選步驟以初始種子點為中心構造鄰域，之后的每次區域篩選步驟以前一次區域篩選步驟結束篩選后剩下的次級種子點為中心構造鄰域；退出步驟：當連續K次區域篩選步驟完成后，得到的次級種子點改善程度小于期望值，則退出區域篩選步驟，以最后一次區域篩選步驟剩余的次級種子點作為解集。本發明專利技術能夠較快地生成分布較均勻的隨機解，有效防止陷入局部最優化的能力；同時具有較好的收斂性，能夠在迭代次數較少的情況下，快速搜索到全局最優解。

【技術實現步驟摘要】

本專利技術屬于數據處理領域，涉及一種。
技術介紹
對于優化問題，研究自然界中的現象，抽象出相應的數學模型，根據數學模型進行算法的設計，將新的啟發式算法與其他原有算法進行實驗對比，驗證新算法的優點與缺點，進行算法效果對比、檢測，并測試、修改算法，是進行新的自然啟發式算法設計的基本方法。在1997年，D.H.Wolpert和I G..Maceady針對優化問題提出了一個重要的研究結論——“沒有免費的午餐”理論。一般研究者總是試圖去發現更好的算法，或者試圖去發現能夠適合任何情況的通用的優化算法。然而，D.H.Wolpert和W.G..Maceady的研究發現:對于一般的優化問題，特別是NP-Hard問題，理論證明，如果算法A對于某些優化函數而言，優于算法B，那么，就一定存在另外的一些優化函數，針對這些優化函數，算法B就一定會優于算法A。這就表明，如果從所有的優化函數的總體空間來看，算法A與算法B—般情況下將有相同級別的表現。同時，D.H.Wolpert和W.G..Maceady還分析發現:從理論上講，從所有的優化函數的總體空間來看，將沒有能夠適合任何情況的通用的優化算法的存在。因此，對于任何一個確定的優化問題，研究者沒有必要去窮盡該問題的所有可能的全部函數空間，而只需要去發現盡可能好的解；研究者也沒有必要去試圖發現更好的通用算法，而是應該將研究重點放在對于某一種的優化問題，就是有一些算法能夠執行得更好，搜索效率更高。于是，優化算法的研究的重點將是:針對某一種特定類型的問題，分析發現效率最高或者更有效率的算法。研究目標應該是，設計出更好的算法，使得其能夠解決盡可能多類型的優化問題。具體到高級啟發式搜索算法，研究者發現有很多優化算法具有兩個重要的共性:多樣化(Diversification or Exploration)與強化(Intensification orExploitation)。其中，基于多樣性的分散策略，也可以叫為探索、搜索等，主要是為了實現對于全局搜索空間更有效的遍歷，一般采用大范圍的隨機分布來實現；而較好結果的強化與集中，則主要是在當前的最優解周圍進行進一步的局部搜索，以求發現更優的解或者得到下一步的候選解，以實現迭代。因此，從上面可以發現，基于自然啟發的高級啟發式搜索算法，能夠將其劃分為全局搜索與局部搜索兩個階段，通過根據需要解決的優化問題的不同，進行不同的全局搜索與局部搜索的組合，就能夠得到面向不同問題類型的基于自然啟發的高級啟發式搜索算法。而一種好的基于自然啟發的高級啟發式搜索算法，很大程度上就是在全局搜索方法與局部搜索方法的種類、策略、范圍等方面進行選擇與平衡。在全局搜索與局部搜索之間的選擇與平衡，對于任何一種算法的運行效率與表現，都是非常重要的:太少的多樣化策略、太多的強化策略，很容易使得算法陷入局部最優；而太多的多樣化策略、太少的強化策略，將使得算法很難發現特定的全局最優點的具體位置，同時，使得算法收斂性降低。更進一步的來講，僅有全局搜索策略與局部搜索策略也是不夠的，在算法的搜索過程中，研究者必須要尋找到一種有效的篩選機制，能夠順利的發現全局最優解。
技術實現思路
為克服現有技術容易陷入局部最優或不易收斂的技術缺陷，本專利技術公開了一種。本專利技術所述，包括至少一次迭代優化過程，所述迭代優化過程包括: 種子生長步驟:在預先劃定的關注區域內，布下N個初始種子點； 區域篩選步驟:以每一初始種子點為中心的一定范圍的鄰域內，布下多個次級種子點；在該鄰域內的全部種子點內，根據篩選規則剔除，若對該鄰域內的種子點全部篩選完成后，仍不能剔除，則重新生成與之前的鄰域內種子點坐標不同、總數相同的種子點，繼續篩選，直到達到篩選條件，結束篩選； 所述區域篩選步驟為循環進行，第一次區域篩選步驟以初始種子點為中心構造鄰域，之后的每次區域篩選步驟以前一次區域篩選步驟結束篩選后剩下的種子點為中心構造鄰域； 當區域篩選步驟得到的全部種子點數量NT超過設定上限NO時，按照篩選規則剔除部分點，使NT小于或等于NO; 退出步驟:當連續K次區域篩選步驟完成后，得到的種子點改善程度小于期望值，則退出區域篩選步驟，以最后一次區域篩選步驟剩余的種子點作為解集；其中K為預先設定的篩選結束周期； 比較歷次迭代優化過程的解集，根據篩選規則得出最優解集。優選的，各步驟中布下種子點的過程為隨機或均勻分區或正態分布； 所述均勻分區為將關注區域均勻等分為若干個區域，每個區域布下相同個數的種子占.所述正態分布為種子的分布在關注區域內符合正態分布。優選的，所述鄰域為以中心為圓心的圓形范圍或球形范圍內。優選的，所述區域篩選步驟中的篩選條件為剔除數量達到預先設定值Iiasx或在一次區域篩選步驟中的篩選次數達到預先設定值Kl。優選的，循環進行的區域篩選步驟中，后一次區域篩選步驟中設置的鄰域范圍小于前一次設置的鄰域范圍。優選的，所述區域篩選步驟中，每一鄰域內布下的次級種子點數量相同。采用本專利技術所述的，能夠較快地生成分布較均勻的隨機解，在沒有隨機命中的情況下，能夠快速朝各自附近的最優區域逼近；本方法能有效防止陷入局部最優化的能力；同時具有較好的收斂性，能夠在迭代次數較少的情況下，快速搜索到全局最優解。【附圖說明】圖1為本專利技術中第一次區域篩選步驟的一種【具體實施方式】示意圖； 圖2為緊鄰圖1所示第一次區域篩選步驟的下一次區域篩選步驟【具體實施方式】示意圖； 圖1-2中實心五角星表示真實解，實心圓表示初始種子點，實心三角表示次級種子點，矩形區域表示關注區域。【具體實施方式】本專利技術所述，應用于在一定區域內按照一定約束條件尋找函數的特定點。包括至少一次迭代優化過程，所述迭代優化過程包括: 種子生長步驟:在預先劃定的關注區域內，布下N個初始種子點； 區域篩選步驟:以每一初始種子點為中心的一定范圍的鄰域內，布下NI個次級種子點；在附個次級種子點內，根據篩選規則剔除，若對NI個次級種子點全部篩選完成后，仍不能剔除，則重新生成NI個與之前的全部次級種子點坐標不同的次級種子點，繼續篩選，直到達到篩選條件，結束篩選； 所述區域篩選步驟為循環進行，第一次區域篩選步驟以初始種子點為中心構造鄰域，之后的每次區域篩選步驟以前一次區域篩選步驟結束篩選后剩下的次級種子點為中心構造鄰域； 當區域篩選步驟得到的全部次級種子點數量NT超過設定上限NO時，按照篩選規則剔除部分點，使NT小于或等于NO ； 退出步驟:當連續K次區域篩選步驟完成后，得到的次級種子點改善程度小于期望值，則退出區域篩選步驟，以最后一次區域篩選步驟剩余的次級種子點作為解集。區域篩選步驟以初始種子點群集GJj中各自種子點為中心構造鄰域,構造該鄰域的方法為選擇一個預定的形狀生成方式，設定該形狀的參數，使其能夠生成每一個該代迭代種子為中心的預定義搜索子區域，該鄰域可按需要進行分類劃分，例如分為4塊子區域時，將分別賦予對應的取值系數(取值系數表示該子區域占鄰域整體面積的比例)，使得=Hftltf,^1+? + !?+? = !.隨后，設定該鄰域內第Gii代迭代每一個種子gi通過傳播生成第Ofwl代迭代的系數 (該-為整數，取值可以是1、2、3、4或者其他整數值,該〃取值越大，整體搜索速度將本文檔來自技高網...

【技術保護點】
并行多目標多級迭代數據優化處理方法，其特征在于，包括至少一次迭代優化過程，所述迭代優化過程包括：種子生長步驟：在預先劃定的關注區域內，布下N個初始種子點；?區域篩選步驟：以每一初始種子點為中心的一定范圍的鄰域內，布下多??個次級種子點；在該鄰域內的全部種子點內，根據篩選規則剔除，若對該鄰域內的種子點全部篩選完成后，仍不能剔除，則重新生成與之前的鄰域內種子點坐標不同、總數相同的種子點，繼續篩選，直到達到篩選條件，結束篩選；所述區域篩選步驟為循環進行，第一次區域篩選步驟以初始種子點為中心構造鄰域，之后的每次區域篩選步驟以前一次區域篩選步驟結束篩選后剩下的種子點為中心構造鄰域；當區域篩選步驟得到的全部種子點數量NT超過設定上限N0時，按照篩選規則剔除部分點，使NT小于或等于N0；退出步驟：當連續K次區域篩選步驟完成后，得到的種子點改善程度小于期望值，則退出區域篩選步驟，以最后一次區域篩選步驟剩余的種子點作為解集；其中K為預先設定的篩選結束周期；比較歷次迭代優化過程的解集，根據篩選規則得出最優解集。

【技術特征摘要】
1.并行多目標多級迭代數據優化處理方法，其特征在于，包括至少一次迭代優化過程，所述迭代優化過程包括: 種子生長步驟:在預先劃定的關注區域內，布下N個初始種子點； 區域篩選步驟:以每一初始種子點為中心的一定范圍的鄰域內，布下多個次級種子點；在該鄰域內的全部種子點內，根據篩選規則剔除，若對該鄰域內的種子點全部篩選完成后，仍不能剔除，則重新生成與之前的鄰域內種子點坐標不同、總數相同的種子點，繼續篩選，直到達到篩選條件，結束篩選； 所述區域篩選步驟為循環進行，第一次區域篩選步驟以初始種子點為中心構造鄰域，之后的每次區域篩選步驟以前一次區域篩選步驟結束篩選后剩下的種子點為中心構造鄰域； 當區域篩選步驟得到的全部種子點數量NT超過設定上限NO時，按照篩選規則剔除部分點，使NT小于或等于NO ； 退出步驟:當連續K次區域篩選步驟完成后，得到的種子點改善程度小于期望值，則退出區域篩選步驟，以最后一次區域篩選步驟剩余的種子點作為解集；其中K為預先設定的篩選結束周期； 比...

【專利技術屬性】
技術研發人員：張志杰，
申請(專利權)人：西南民族大學，
類型：發明
國別省市：