[发明专利]用于室内挂钟设计的模糊适应值交互式进化优化方法

摘要

本发明公布了一种用于室内挂钟设计的模糊适应值交互式进化优化方法，其具体步骤如下：进化开始前，系统为用户提供设计环境，随机生成初始进化种群；通过交互界面，人对个体进行单一数值评价，系统记录个体评价时间；系统根据个体评价时间和单一数值评价值，估计用户评价个体模糊适应值；系统根据个体表现型相似性对种群聚类，并分配未评价个体模糊适应值；通过个体模糊适应值中心值和个体表现型相似性构建个体选择适应值，采用联赛法完成个体选择。本发明有效降低设计人员的操作负担，设计人员只需按单一数值评价少量产品款式即可，系统在后台自动实现用户评价个体模糊适应值估计，与传统模糊适应值赋值相比，不需要输入语气词，节省了一半的操作量。

主权项

一种用于室内挂钟设计的模糊适应值交互式进化优化方法，其特征是：采用大规模进化种群和个体模糊适应值估计策略的交互式遗传算法作为优化算法，它包括参数设置界面、交互界面和结果输出界面，系统划分为载入模块、处理模块和交互式遗传算法模块三个功能模块，三个功能模块通过一个交互界面融合为整体，共同完成交互式进化设计；室内挂钟各属性样本以.bmp格式储存在数据库中，载入模块将挂钟属性模型文件读入内存并在窗口界面中显示；处理模块实现对模型的贴图，时针与分针统一固定在10:10；交互式遗传算法模块则将交互式遗传算法整合到系统中。系统运行时，用户首先设置遗传参数，进入交互界面后点击“初始化”按钮，系统初始化并运行载入模块和处理模块，生成6个样本，用户通过样本下方滑动条对个体进行单一数值评价，系统在后台实现大规模种群个体模糊适应值估计；该优化算法具体实现为：(1)根据用户评价时间与单一数值适应值估计用户评价个体模糊适应值μf~(ci(t))(f)=e-12(f-d(ci(t))σ(ci(t)))2]]>式中，d(ci(t))表示的中心，是隶属度为1的适应值；σ(ci(t))表示的宽度，该量主要反映评价的不确定性，且与不确定性呈正向变化；(2)根据个体表现型属性与参照个体模糊适应值宽度计算个体表现型相似度：μij(xir)=e-((xir-xjr)σ(xj(t)))2]]>式中，σ(xj(t))是参照个体xj(t)的模糊适应值宽度。则xi(t)与xj(t)的表现型相似度为μij(xir)的平均值，记为μ(xi(t),xj(t))：μ(xi(t),xj(t))=Σr=1Ngμij(xir)Ng;]]>(3)利用个体表现型相似度对种群聚类并估计未评价个体模糊适应值：剩余个体xj(t)的模糊适应值中心值d(xj(t))计算公式为：d(xj(t))=d(cK(t))ifmaxi∈{1,2,...,Nc}{μ(xj(t),ci(t))}>θ(t)Σi=1Ncμ(xj(t),ci(t))·d(ci(t))Σi=1Ncμ(xj(t),ci(t))otherwise]]>式中，K是个体表现型相似度μ(xj(t),ci(t))最大值大于阈值θ(t)时的聚类中心：K=indexmaxi∈{1,2,...,Nc}{μ(xj(t),ci(t))}]]>阈值θ(t)由前一代个体适应值中心值刻划：θ(t)=α·max{d(x1(t-1)),d(x2(t-1)),...,d(xN(t-1))}Σi=1Nd(xi(t-1))N]]>式中，α是反映评价性能的参数。可以看出，阈值θ(t)随进化代内最大适应值增加而增加，利用前一进化代的信息计算阈值，可以为下一代估计d(xj(t))提供依据；(4)基于个体模糊适应值和表现型相似性构造个体选择适应值，实现个体相似性选择。比较个体为xa(t),xb(t)，则个体选择适应值分别为F(xa(t)),F(xb(t))：F(xa(t))＝d(xa(t))·μ(xb(t),xa(t))F(xb(t))＝d(xb(t))·μ(xa(t),xb(t))式中，d(xa(t))，d(xb(t))分别是个体xa(t),xb(t)的模糊适应值中心值；μ(xa(t),xb(t))，μ(xb(t),xa(t))分别是以个体xb(t)和xa(t)为参照个体，以xa(t)和xb(t)为比较个体的相似度。