一种基于多目标优化算法的民机研制需求排序方法

技术特征：
1.一种基于多目标优化算法的民机研制需求排序方法，其特征在于包括如下步骤：(1)建立民机研制需求实现优先级排序数学模型；利益相关方集合为s，且满足s＝{s1,s2,
…
,s
n
}，其中s1,s2,
…
,s
n
依次表示n个与民用飞机研制需求相关的利益相关方；设需求集合为r，且满足r＝{r1,r2,
…
,r
m
}，其中r1,r2,
…
,r
m
依次表示参与实现优先级排序的m条需求；设需求实现代价集为c＝{c1,c2,
…
,c
m
}，其中c
i
对应表示实现需求r
i
所需要的代价；定义v(r
i
,s
j
)为利益相关方s
j
对需求r
i
的期望实现程度，0≤v(r
i
,s
j
)≤5且v(r
i
,s
j
)∈n，数值越小表示利益相关方s
j
对需求r
i
的期望实现程度越小，反之则越大；定义需求决策变量x＝{x1,x2,
…
,x
m
}，其中x
i
∈{0,1}，x
i
＝1时表示优先实现需求r
i
，x
i
＝0时表示不优先实现需求r
i
；(2)初始化种群：最大进化代数为g
max
，种群规模为n，则初始种群中的n个个体均包含一条染色体，一条染色体上有m个基因，与步骤(1)中m条需求一一对应；染色体上的任意一个基因编码都是初始随机生成的整数0或1，其中0表示不优先选择该基因对应的需求，1则表示优先选择该基因对应的需求，由此生成初始种群；(3)构造适应度函数：取步骤(1)中利益相关方s
j
的期望实现函数和总体期望实现函数f
s
(x)作为适应度函数；(4)计算个体适应度并划分后代种群：依照步骤(3)中构造的适应度函数计算个体适应度函数数值，并设定两个存档集ca和da来存放，其中ca为面向收敛性的存档，da为面向多样性的存档，且存档集ca和da的容量是人为设定的，旨在有效地平衡种群的收敛性和多样性；每代种群f
n
平均划分成两个存档集ca
n
和da
n
，种群f
n-1
和f
n
首先全部加入ca
n
，在更新存档集ca的过程中引入质量指标i
ε
作为更新原则，通过不断删减最不能够支配其他个体的个体来满足存档集的容量要求；i
ε
是描述在种群进化的目标空间中某个体x1支配另一个个体x2所需的最小距离的指标，如公式(5)所示：i
ε
(x1,x2)＝min
ε
(f
i
(x1)-f
i
(x2)≥ε)
ꢀꢀꢀꢀ
(5)其中，1≤i≤m且i∈n，m是优化目标的数目，n代表自然数；ε是目标空间中某个体x1支配另一个个体x2所需的最小距离，且满足0≤ε<1；当个体x1被移除，种群整体适应度的损失度量如公式(6)所示：当个体x
*
被移除，则ca
n
中的个体适应度值会被更新为如公式(7)所示：在更新存档集ca
n
的过程中，均从ca
n
中移除i
ε
损失最小的个体，并更新ca
n
其余个体的i
ε
值；最后获得具有指定数量个体的ca
n
；存档集da的更新基于帕累托最优，通过不断逐一添加与当前存档集da中的个体相似性最低的个体，来满足存档集da的容量限制；在更新存档集da
n
的过程中，首先从种群f
n-1
和f
n
中选择边界个体加入，边界个体为单个目标值最大或最小的个体；然后进入迭代过程，在每
次迭代中注意将与当前da中差异性最大的个体添加到存档集da
n
中；在衡量个体间的相似性时，基于lp范数的距离体现个体间的相似性，0<p<1，个体间距离越大则表示个体间相似性越低，越会被优先加入da
n
；根据优化目标函数的个数m将p设置为p＝1/m，如公式(8)所示：在对初始种群f0进行划分时，存档集ca0仅从初始种群f0中选择，并将剩下的个体作为存档集da0，当种群代数n不为0时，根据适应度函数数值和个体间相似性度量，将每代种群f
n
均等划分成ca
n
和da
n
；(5)基因选择、交叉和变异染色体交叉概率为p
c
，以交叉概率p
c
从存档集ca和da中随机地选出需要进行交叉的个体，对随机选出的个体随机进行两两分配，随机确定交叉发生的基因点位，将两两配对的个体上该点位的基因进行交换，得到交叉后种群；(6)判断是否满足终止条件；针对步骤(5)中进行了交叉和变异后的种群，若进化代数小于g
max
，则返回步骤(4)，且进化代数加1；若进化代数等于g
max
，则进入步骤(7)；(7)选取最终决策变量并生成需求实现优先级排序清单；计算最后一代种群中每个个体的总体期望实现函数值，并按照总体期望实现函数值f
s
(x)的数值大小由大到小进行排序，选出总体期望实现函数值排序的前10个个体作为待选个体集，采用方差法进行筛选分析，计算待选个体集中个体的n个利益相关方需求实现程度的平均值，如公式(9)所示：计算选取个体的利益相关方期望实现函数值的方差，如公式(10)所示：定义个体排序算子s(x)，如公式(11)所示：排序算子s(x)越大时，则表示在该决策变量x下，需求的总体期望实现程度越高，且对各利益相关方的兼顾程度越高；计算待选个体集中每个个体的排序算子数值，选出排序算子数值最大的个体对应的决策变量x
end
作为最终决策变量；对照需求与基因点位的一一对应关系，将决策变量x
end
基因编码为1的点位对应的需求解码为优先实现的需求，基因编码为0的点位对应的需求则解码为不优先实现的需求；计算每条需求对应的期望实现程度总和，如公式(12)所示：
按照公式(12)计算每条需求的期望实现程度总和，先将优先实现的需求按照期望实现程度总和的数值大小从大到小进行排列，再将不优先实现的需求按照期望实现程度总和的数值大小从大到小进行排列，优先实现的需求全部排列在不优先实现的需求之前，最终得出需求实现优先级的排序结果。2.根据权利要求1所述的基于多目标优化算法的民机研制需求排序方法，其特征在于：所述利益相关方s
j
的期望实现函数如公式(1)所示：实现需求的代价函数如公式(2)所示：定义总体期望实现函数f
s
(x)如公式(3)所示：其中，α
j
表示第j个利益相关方的权重，可由层次分析法获得。3.根据权利要求1所述的基于多目标优化算法的民机研制需求排序方法，其特征在于：所述步骤(3)中，利益相关方s
j
的期望实现函数和总体期望实现函数f
s
(x)的公式如下)所示：4.根据权利要求1所述的基于多目标优化算法的民机研制需求排序方法，其特征在于：步骤(5)的基因选择、交叉和变异中，染色体变异概率为p
m
，对交叉后种群以变异概率p
m
随机地从中选出个体，对单个个体进行变异操作，随机确定变异发生的点位，将该点位上的基因变成0或1，如果原基因点位是1，则变为0，反之亦然，得到新的种群；其中，交叉行为发生在ca和da之间，而变异只发生在ca内部。

技术总结
本发明提供了一种基于多目标优化算法的民机研制需求排序方法，建立民机研制需求实现优先级排序数学模型，构造适应度函数，计算个体适应度并划分后代种群，通过基因选择、交叉和变异后，选取最终决策变量并生成需求实现优先级排序清单，最终得出需求实现优先级的排序结果。本发明通过定量化的方法，在有限的成本资源的约束下，对涉及多个利益相关方的民用飞机研制需求的实现优先级进行了排序，能够在有限的成本资源下，保证在民机研制过程中，综合考量民机设计涉及的多个利益相关方对不同需求的期望实现程度，在确保需求总体期望实现最大的基础上，尽可能充分地兼顾并满足各利益相关方的需求实现期望。关方的需求实现期望。关方的需求实现期望。


技术研发人员：毕文豪 范秋岑 张安
受保护的技术使用者：西北工业大学
技术研发日：2022.11.21
技术公布日：2023/2/3