專利名稱：選擇輸入變量的最佳值的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種選擇輸入變量的最佳值的方法，尤其涉及一種選擇輸入變量的最佳值的方法，能夠使非線性目標(biāo)函數(shù)的值在預(yù)定的需要的范圍內(nèi)。
參考

圖1，根據(jù)輸入變量的可應(yīng)用范圍，通用輸入變量具有在上限值(+XL)和下限值(-XL)之間的無數(shù)正值(+X)、無數(shù)負(fù)值(-X)和零(0)。這樣，輸入變量的無數(shù)值有目標(biāo)函數(shù)的值的相應(yīng)的滿意度(Y)。根據(jù)用戶設(shè)定的下限值(-YL)，決定滿意度的需要的范圍。
在精確系統(tǒng)的設(shè)計(jì)中，找到滿意度在用戶需要的范圍內(nèi)的輸入變量的最佳值(Xop)，是很重要的。為了找到輸入變量的最佳值(Xop)，不可能把輸入變量的所有無數(shù)個(gè)值都放入目標(biāo)函數(shù)。因而，通過在輸入變量的可應(yīng)用范圍內(nèi)設(shè)定采樣基因算子，能夠有效地應(yīng)用可能搜索算法。
根據(jù)選擇最佳值的傳統(tǒng)方法，執(zhí)行以下的步驟。
首先，在設(shè)定的采樣基因算子中，選擇其目標(biāo)函數(shù)值最接近目標(biāo)函數(shù)的最佳值的基因算子(步驟a)。
接著，如果所選擇的基因算子的目標(biāo)函數(shù)值不在需要的范圍內(nèi)，那么偏差寬度被設(shè)定為反比于該目標(biāo)函數(shù)值的收斂度(degree of convergence)。即，由于收斂度越高，輸入變量的最佳值的存在的可能性越高，調(diào)整搜索的度(degree of search)(步驟b)。
接著，在設(shè)定的偏差寬度內(nèi)，再生(reproduce)所選擇的基因算子的次級(jí)基因算子(步驟c)。
接著，在選擇的基因算子和次級(jí)基因算子(offspring generic operator)中選擇其目標(biāo)函數(shù)值最接近目標(biāo)函數(shù)的最佳值的基因算子(步驟d)。
然后，如果所選擇的基因算子的目標(biāo)函數(shù)值不在需要的范圍內(nèi)，步驟b、c、d被重復(fù)，直到該值在需要的范圍內(nèi)。
總之，傳統(tǒng)的選擇最佳值的方法是簡單的基因算法，其中基于所選擇的第一個(gè)采樣基因算子(例如，圖1的X1)，重復(fù)偏差寬度(Wg)設(shè)定、基因算子的再生和基因算子的選擇。因而，所選擇的第一個(gè)采樣基因算子離最佳值(Xop)越遠(yuǎn)，找最佳值(Xop)所需要的時(shí)間越多。當(dāng)輸入變量的數(shù)目變得較大時(shí)，這個(gè)問題更突出。原因是，隨著輸入變量的數(shù)目的增加，在目標(biāo)函數(shù)值的收斂度和最佳值存在的可能性之間的相互關(guān)系減少。
為了解決上述問題，本發(fā)明的一個(gè)目的是提供一種選擇輸入變量的最佳值的方法，其中即使首先選擇的原始基因算子遠(yuǎn)離最佳值，也能夠比較快地找到最佳值。
相應(yīng)的，為了實(shí)現(xiàn)本發(fā)明，根據(jù)本發(fā)明提供了一種選擇輸入變量的最佳值的方法，通過基因算子的算法，能夠使非線性目標(biāo)函數(shù)的值在預(yù)定的需要范圍內(nèi)。該方法包括→摘要的對(duì)應(yīng)部分。
由于在本發(fā)明的步驟(f)中，設(shè)定了反比于應(yīng)用的偏差寬度的另一個(gè)樣本基因算子的數(shù)目，當(dāng)所選擇的基因算子的收斂度變得較高時(shí)，在更寬的范圍內(nèi)執(zhí)行搜索。因而，即使所選擇的第一個(gè)原始基因算子遠(yuǎn)離最佳值，也可以迅速找到最佳值。
最好是，在步驟(c)中，當(dāng)在步驟(e)中目標(biāo)函數(shù)的計(jì)算數(shù)目大于對(duì)應(yīng)的標(biāo)準(zhǔn)計(jì)算的數(shù)目時(shí)，偏差寬度設(shè)定為較窄，當(dāng)目標(biāo)函數(shù)的計(jì)算數(shù)目小于對(duì)應(yīng)的標(biāo)準(zhǔn)計(jì)算的數(shù)目時(shí)，偏差寬度設(shè)定為較寬。另一方面，在步驟(f)中，由下式設(shè)定反比于應(yīng)用的偏差寬度(Wg)的基因算子的數(shù)目(Ng)，Ng=NId]]>其中其中N是可應(yīng)用的輸入變量的數(shù)目，Id是正比于應(yīng)用的偏差寬度(Wg)的分布度。分布度Id由下面的等式建立，Id=K·Σi=1NWgMaxi-Mini]]>其中K是常數(shù)，Maxi是所對(duì)應(yīng)的輸入變量的上限值，Mini是所對(duì)應(yīng)的輸入變量的下限值。另外，在步驟(e)，重復(fù)一個(gè)步驟，其中在所選擇的基因算子和次級(jí)基因算子之一之間選擇其目標(biāo)函數(shù)值較接近目標(biāo)函數(shù)的最佳值的基因算子。
結(jié)合附圖，通過詳細(xì)描述本發(fā)明的優(yōu)選實(shí)施例，本發(fā)明的上述目的和優(yōu)點(diǎn)會(huì)變得更加清楚。附圖中圖1是用于相比較地描述現(xiàn)有技術(shù)和本發(fā)明的對(duì)輸入變量的值的滿意度的圖；和圖2是圖解根據(jù)本發(fā)明的選擇輸入變量的最佳值的方法的流程圖。
參考圖1和圖2，首先，在輸入變量的可應(yīng)用范圍內(nèi)設(shè)定采樣基因算子(步驟31)。接著，在步驟31中所設(shè)定的采樣基因算子中選擇其目標(biāo)函數(shù)值最接近目標(biāo)函數(shù)的最佳值的基因算子(步驟32)。
接著，如果所選擇的基因算子的目標(biāo)函數(shù)值不在需要的范圍內(nèi)(Y≥YL)(步驟33)，偏差寬度(Wg)被設(shè)定為反比于所選擇的基因算子的目標(biāo)函數(shù)值的收斂度(步驟34)。接著，在步驟34中設(shè)定的偏差寬度(Wg)內(nèi)，再生所選擇的基因算子的次級(jí)基因算子(步驟35)。
接著，在選擇的基因算子和步驟35中所選擇的次級(jí)基因算子中選擇其目標(biāo)函數(shù)值最接近目標(biāo)函數(shù)的最佳值的基因算子。為此，重復(fù)一個(gè)步驟，其中在所選擇的基因算子和次級(jí)基因算子之一之間選擇其目標(biāo)函數(shù)值較接近目標(biāo)函數(shù)的最佳值的基因算子(步驟36)。
接著，如果在步驟36中所選擇的基因算子的目標(biāo)函數(shù)值不在需要的范圍內(nèi)(Y≥YL)(步驟37)，設(shè)定其數(shù)目反比于應(yīng)用的偏差寬度(Wg)的其它采樣基因算子(步驟38)。接著，在步驟36中所選擇的基因算子和在步驟38中設(shè)定的其它采樣基因算子中選擇其目標(biāo)函數(shù)值最接近目標(biāo)函數(shù)的最佳值的基因算子。(步驟39)。然后，步驟33至39被重復(fù)地執(zhí)行，直到所選擇的基因算子的目標(biāo)函數(shù)值在需要的范圍內(nèi)。
在步驟34中，要設(shè)定的第二偏差寬度(Wg2)和第一偏差寬度(Wg1)之間的關(guān)系由下面的等式(1)和(2)建立。
Wg2＝0.85Wg1 (1)Wg2=Wg10.85---(2)]]>等式(1)適用的場合是，目標(biāo)函數(shù)的計(jì)算的數(shù)目大于根據(jù)第一偏差寬度(Wg1)在步驟36中對(duì)應(yīng)的標(biāo)準(zhǔn)計(jì)算的數(shù)目。等式(2)適用的場合是，目標(biāo)函數(shù)的計(jì)算的數(shù)目小于根據(jù)第一偏差寬度(Wg1)在步驟36中對(duì)應(yīng)的標(biāo)準(zhǔn)計(jì)算的數(shù)目。即，偏差寬度(Wg)被設(shè)定為反比于所選擇的基因算子對(duì)目標(biāo)函數(shù)值的收斂度。由于當(dāng)收斂度變得較高時(shí)，輸入變量的最佳值的存在的可能性會(huì)更大，所以這是為了對(duì)應(yīng)地調(diào)整搜索的精確度。
另一方面，在步驟38中，用下面的等式(3)設(shè)定反比于應(yīng)用的偏差寬度(Wg)的基因算子的數(shù)目(Ng)，Ng=NId---(3)]]>其中N是可應(yīng)用的輸入變量的數(shù)目，Id是正比于應(yīng)用的偏差寬度(Wg)的分布度。分布度Id由下面的等式(4)建立，Id=K·Σi=1NWgMaxi-Mini----(4)]]>其中K是常數(shù)，Maxi是所對(duì)應(yīng)的輸入變量的上限值，Mini是所對(duì)應(yīng)的輸入變量的下限值。
由于在步驟38設(shè)定了反比于應(yīng)用的偏差寬度(Wg)的其它采樣基因算子的數(shù)目，在步驟39，當(dāng)所選擇基因算子的收斂度變得較高時(shí)，對(duì)整個(gè)范圍以精細(xì)間隔執(zhí)行搜索。因而，即使所選擇的第一個(gè)原始基因算子(X1)遠(yuǎn)離最佳值(Xop)，也可以迅速找到最佳值(Xop)。
如上所述，用根據(jù)本發(fā)明的選擇輸入變量的最佳值的方法，由于即使所選擇的第一個(gè)原始基因算子(X1)遠(yuǎn)離最佳值(Xop)，也可以迅速找到最佳值(Xop)，所以即使當(dāng)輸入變量的數(shù)目變得較大時(shí)，執(zhí)行工作所需的時(shí)間也可以被最小化。
本發(fā)明不限于上述實(shí)施例，因而，可由本領(lǐng)域技術(shù)人員對(duì)其進(jìn)行各種修改和改進(jìn)。
權(quán)利要求
1.一種選擇輸入變量的最佳值的方法，通過基因算子的算法使得非線性目標(biāo)函數(shù)的值在預(yù)定的需要范圍內(nèi)，其特征在于該方法包括以下步驟(a)將采樣基因算子設(shè)定在所述輸入變量的可應(yīng)用范圍內(nèi)；(b)在所述采樣基因算子中選擇其目標(biāo)函數(shù)值最接近所述目標(biāo)函數(shù)的最佳值的基因算子；(c)如果所述目標(biāo)函數(shù)值不在需要的范圍內(nèi)，偏差寬度被設(shè)定為反比于所選擇的基因算子的目標(biāo)函數(shù)值的收斂度；(d)在所設(shè)定的偏差寬度內(nèi)，再生所選擇的基因算子的次級(jí)基因算子；(e)在所選擇的基因算子和次級(jí)基因算子中選擇其目標(biāo)函數(shù)值最接近所述目標(biāo)函數(shù)的最佳值的基因算子；(f)如果所選擇的基因算子的目標(biāo)函數(shù)值不在所需要的范圍內(nèi)，設(shè)定其數(shù)目反比于所述應(yīng)用的偏差寬度的其它采樣基因算子；(g)在所選擇的基因算子和所述其它采樣基因算子中選擇其目標(biāo)函數(shù)值最接近所述目標(biāo)函數(shù)的最佳值的基因算子；和(h)重復(fù)步驟(c)、(d)、(f)和(g)，直到所選擇的基因算子的目標(biāo)函數(shù)值在所需要的范圍內(nèi)。
2.如權(quán)利要求1所述的選擇輸入變量的最佳值的方法，其中在步驟(c)中，當(dāng)所述目標(biāo)函數(shù)的計(jì)算數(shù)目大于對(duì)應(yīng)的標(biāo)準(zhǔn)計(jì)算的數(shù)目時(shí)，所述偏差寬度設(shè)定為較窄，當(dāng)所述目標(biāo)函數(shù)的計(jì)算數(shù)目小于所述對(duì)應(yīng)的標(biāo)準(zhǔn)計(jì)算的數(shù)目時(shí)，所述偏差寬度設(shè)定為較寬。
3.如權(quán)利要求1所述的選擇輸入變量的最佳值的方法，其中在步驟(f)，由下式設(shè)定反比于所應(yīng)用的偏差寬度(Wg)的基因算子的數(shù)目(Ng)，Ng=NId]]>其中N是可應(yīng)用的輸入變量的數(shù)目，Id是是正比于所應(yīng)用的偏差寬度的分布度。
4.如權(quán)利要求3所述的選擇輸入變量的最佳值的方法，其中在步驟(f)，正比于所應(yīng)用的偏差寬度的所述分布度Id由下面的等式建立，Id=K·Σi=1NWgMaxi-Mini]]>其中K是常數(shù)，Maxi是所對(duì)應(yīng)的輸入變量的上限值，Mini是所對(duì)應(yīng)的輸入變量的下限值。
5.如權(quán)利要求1所述的選擇輸入變量的最佳值的方法，其中在步驟(e)，重復(fù)一個(gè)步驟，其中在所選擇的基因算子和次級(jí)基因算子之一之間選擇其目標(biāo)函數(shù)值較接近目標(biāo)函數(shù)的最佳值的基因算子。
全文摘要
一種選擇輸入變量的最佳值的方法,包括(a)將采樣基因算子設(shè)在可用范圍內(nèi);(b)選擇其目標(biāo)函數(shù)值最接近最佳值的基因算子;(c)若目標(biāo)函數(shù)值不在所需范圍內(nèi),偏差寬度設(shè)為收斂度;(d)在偏差寬度內(nèi)再生次級(jí)基因算子;(e)選擇其目標(biāo)函數(shù)值最接近最佳值的基因算子;(f)若目標(biāo)函數(shù)值不在所需范圍內(nèi),設(shè)定其它采樣基因算子;(g)選擇其目標(biāo)函數(shù)值最接近最佳值的基因算子;(h)重復(fù)步驟(c)、(d)、(f)和(g),直到基因算子的目標(biāo)函數(shù)值在所需范圍內(nèi)。
文檔編號(hào)G05B11/00GK1240952SQ9910858
公開日2000年1月12日 申請(qǐng)日期1999年6月24日 優(yōu)先權(quán)日1999年6月24日
發(fā)明者金旻圭 申請(qǐng)人:三星電子株式會(huì)社