[发明专利]基于CNN的二决策变量优化问题连续式寻优方法及装置

摘要

本发明公开了一种基于CNN的二决策变量优化问题连续式寻优方法及装置，将获得的具体二决策变量单目标优化问题的待优化目标点云，转化为对应二维矩阵，并输入至已训练成功的CNN二决策变量连续式寻优器中，快速准确地输出优化问题的全局最优结果。应用本发明实施例所提供的技术方案，CNN二决策变量连续式寻优器的寻优计算为线性并行计算，寻优速度快，可直接找到优化问题的全局最优，不存在陷入局部最优的情况。另外，对于有约束的优化问题，输入CNN二决策变量连续式寻优器的所有离散点均属于约束范围内，在CNN二决策变量连续式寻优器的寻优二决策变量单目标连续型优化问题精确全局最优结果过程中无需额外单独考虑。

主权项

一种基于CNN的二决策变量优化问题连续式寻优方法，其特征在于，包括：步骤A：根据待处理的二决策变量单目标连续型优化问题，确定待优化函数R＝g(x1,x2)；其中，x1、x2为决策变量，R为优化目标；步骤B：在待优化领域Db中，获取所述待优化函数的待优化目标点云组，所述待优化目标点云组包含p个待优化目标点云；其中，所述待优化领域Db中，x1∈[a1,b1]，x2∈[a2,b2]；步骤C：将p个待优化目标点云的x1值及x2值按由小至大的方式分别进行排序，将x1值映射为其在排序中的序号x1'，将x2值映射为其在排序中的序号x2'，并创建映射表存储x1值与x1'的关系，x2值与x2'的关系，x1、x2与R的关系；步骤D：选取每个待优化目标点云的x1'值及x2'值作为代表相应待优化目标点云的两个特征，创建所述待优化目标点云组的二维矩阵kk；其中，x1'为所述二维矩阵kk的行序号，x2'为所述二维矩阵kk的列序号，所述二维矩阵kk上第x1'行第x2'列的值为查所述映射表所得的R值；步骤E：将所述二维矩阵kk输入到预先训练获得的CNN二决策变量连续式寻优器中，获得所述二维矩阵kk中最值点的x1'值为x01'、x2'值为x02'及R值；步骤F：按照预设的第一映射关系，将x1'值映射为X1，将x2'值映射为X2；步骤G：输出优化结果为：当x1取X1，x2取X2时达到全局最优R。