一种基于快速匹配机制面向复杂计算的改进遗传方法与流程

技术特征：

1.一种基于快速匹配机制面向复杂计算的改进遗传方法，其特征在于，所述基于快速匹配机制面向复杂计算的改进遗传方法包括以下步骤：

首先基于反学向学习理论生成初始种群，并对染色体的特征进行提取，主要包括个体编码、适应度值、个体的置信度值；

然后通过特征提取得到一个三维的特征向量，在种群进化过程中，使用建立的相似性匹配评价机制对每个染色体的适应度值和置信度值进行计算，通过单形变异算子对每个染体作单形变异操作；

最后在进化到后期阶段，根据设定的停止条件生成最优解或近似最优解。

2.根据权利要求1所述的基于快速匹配机制面向复杂计算的改进遗传方法，其特征在于，

首先基于反学向学习理论生成初始种群，并对染色体的特征进行提取，按以下步骤进行：

首先生成半个初始种群，种群中的每个个体表示为:c_i=(c_i1,c_i2,...,c_id)

在d维空间按反向数生成方法,得到每个个体的反向点r_i，即，若且,，则其反方向数x*为:x*=a+b-x；

对每个染色体构建其对应的特征向量v(c_i)=(a,f,r)；

生成初始化种群结束。

3.根据权利要求1所述的基于快速匹配机制面向复杂计算的改进遗传方法，其特征在于，

通过特征提取得到一个三维的特征向量，在种群进化过程中，使用建立的相似性匹配评价机制对每个染色体的适应度值和可信度值进行计算，按以下步骤进行：

Step1，通过反向学习理论得到初始种群，将初始种群作为新一代种群；

Step2，从新一代种群中随机挑选两个个体p₁,p₂；

Step3，个体p₁,p₂进行交叉操作，得到两个子代个体c₁,c₂；

Step4，对子代个体c₁,c₂按单形变异操作实施变异过程；

Step5，子个体变异后得到对应的变异个体；

Step6，对算法的停止条件进行判断，若算法的迭达次数达到指定次数T或解的精度满足指定的要求，则转Step11； 否则，转到Step7；

Step7，对子代个体c₁, 分别比较其与父代个体p₁,p₂的匹配性；

Step8，按照公式(3)和(4)分别计算个体c₁的适应度值和置信度值r；

Step9， 比较个体的置信度r和阈值T，若r < T，转Step10； 否则转Step2；

Step10，重新使用真实的适应度函数评价个体c₁的适应度值，并使置信度值r=1;转Step2；

Step11， 输出最终的结果。

4.根据权利要求1所述的基于快速匹配机制面向复杂计算的改进遗传方法，其特征在于，所述染色体的特征提取采用二进制字符串编码形式；在串匹配机制中，首先给染色体中每一基因位设定对应的权重系数，从而区分不同位置基因位对适应度的影响程度；其次，将子代染色体与父代染色体进行两两匹配验证，分别得到一个匹配值，验证两个配值是否在合理相似区间内，得到一个置信度；最后，由置信度并结合两个染色体的适应度值得到子代染色体的值。

5.根据权利要求1所述的基于快速匹配机制面向复杂计算的改进遗传方法，其特征在于，所述染色体的匹配机制实现方法如下：

（1）根据GA中特定交叉与单形变异算子的运算结果，分别计算子个体与双亲个体之间的匹配性，并根据给定公式快速计算染色体的适应度及其置信度；

个体与双亲和间的差异程度，按公式系数差分方法计算：

,

；

其中，权重系数w_i用于调节对应每个基因位在染个体中受重视的程度，n是基因位的个数;子个体c₁和双亲个体(p₁, p₂)的差分值一个介于0至1之间的数字，子个体与双亲个体的匹配性按如下公式计算：

；

；

双亲染色体(p₁, p₂)对应的适应度值分别是f₁，f₂ ，则染个体c_i适应度f(c_i）和其对应的置信度按如下式计算：

；

；

（2）在种群中设定阈值T，当种群的平均置信度的高于T时，保留每一个体的适应度值和置信度；若种群的小于T时，则在真实环境中使用目标函数重新评价个体的适应度；

（3）将一个染色体的基因串按顺序形成欧氏空间中的一个单形，单形向空间各方向按比例扩张，然后再顺时针方向旋转，在设定的时刻到达后，按原方向反向取出变异后的个体。

6.一种应用权利要求1-5任意一项所述基于快速匹配机制面向复杂计算的改进遗传方法的资本预算方法。

7.一种应用权利要求1-5任意一项所述基于快速匹配机制面向复杂计算的改进遗传方法的货物装载方法。

8.一种应用权利要求1-5任意一项所述基于快速匹配机制面向复杂计算的改进遗传方法的存储分配方法。