[發明專利]一種基于進化激勵算子的遺傳算法

在審

• 申請號: 201510388233.8
• 申請日: 2015-07-06
• 公開（公告）號: CN104951835A
• 公開（公告）日: 2015-09-30
• 發明（設計）人: 黃健;孔江濤;郝建國;龔建興;項鳳濤;吳白冰;張中杰
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06N3/12
• 分類號: G06N3/12
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 胡偉華

1.一種基于進化激勵算子的遺傳算法，其特征在于，包括以下步驟：

(1)初始化種群規模，設置遺傳代數，初始遺傳代數為第一代；

(2)記當前代種群為父代種群，計算當前代種群中每個個體的目標函數值，將最小的B個目標函數值對應的個體儲存下來，B為整數，并按照從大到小的順序對所有的目標函數值進行排列，得到目標函數值序列；

(3)選擇調制函數，將目標函數值序列調制成調制后序列；

(4)采用灰色預測模型GM(1,1)模型，計算進化激勵算子；

(5)根據激勵算子，計算進化激勵算子對應的代種群中每個個體的變化率；

(6)設定規劃種群大小和幅度控制因子，根據每個個體的變化率，計算得到每個父代個體對應的規劃后代包含的個體個數，并從父代個體及其對應的規劃后代個體中選擇出目標函數值取值最小的個體替換父代個體，更新父代種群中的所有個體，得到規劃后的父代種群；

(7)對規劃后的父代種群，利用上述(2)至(5)的步驟計算得到該種群每個個體的變化率，并計算交叉率和變異率；

(8)用每個個體的交叉率和變異率控制其交叉變異過程，并進行交叉變異操作，得到新的子代種群后，計算子代種群中所有個體的目標函數值，并將所有個體按照其對應的目標函數值從大到小排列，用步驟(2)中存儲的B個個體替換此時種群中的前B個個體得到替換后的種群；判斷遺傳代數是否大于最大的遺傳代數或者得到某個個體的目標函數值是否滿足要求，如果達到最大遺傳代數或者滿足要求，則算法停止，否者遺傳代數完成自加1的操作，并以替換后的種群作為下一代父代種群進入步驟(2)。

2.如權利要求1所述的一種基于進化激勵算子的遺傳算法，其特征在于，所述步驟(3)的具體過程為：選擇嚴格單調遞增的指數函數作為調制函數，調制后序列為X⁽⁰⁾，

X⁽⁰⁾(k)＝a·e^b·S(k)

其中，a、b為調制函數的參數，k為個體的編號，k為整數，取值范圍為從1到PS，PS為每代種群的規模，即每代種群包含的個體數目；S(k)為經過排列的目標函數序列中第k個目標函數值，X⁽⁰⁾(k)為S(k)對應的調制數值。

3.如權利要求1所述的一種基于進化激勵算子的遺傳算法，其特征在于，所述步驟(4)的具體過程為，設Bi為迭代次數標識，表示第Bi次迭代計算，Bi為正整數，初始值為1，具體步驟為，

(41)對調制后序列X⁽⁰⁾進行累加處理，得到對應第Bi次迭代的1-GAO序列X⁽¹⁾，具體過程如下

X(1)(k)=Σi=BiBi+ND-1X(0)(i)]]>

其中，k為個體的編號，k為整數，取值范圍為1到ND，ND為設定的GM(1,1)預測序列長度值，ND為非負整數，X⁽¹⁾(k)為經過累加處理的1-GAO序列中第k位的數值；

(42)計算出緊鄰均值生成序列Z⁽¹⁾，具體過程為

Z(1)(k)=12×(X(1)(k)+X(1)(k-1))]]>

其中，k為個體的編號，k為整數，取值范圍為2到ND，Z⁽¹⁾(k)為緊鄰均值生成序列中第k位的數值；

(43)結合GM(1,1)的模型X⁽⁰⁾(k)+Ga·Z⁽¹⁾(k)＝Gb，Ga、Gb為模型參數，利用最小二乘原理計算第Bi次迭代的參數Ga_Bi、Gb_Bi取值

GaBi=1ND-1Σk=Bi+1Bi+ND-1X(0)(k)Σi=2NDZ(1)(k)-Σk=Bi+1Bi+ND-1X(0)(k)Z(1)(k-Bi+1)Σi=2ND(Z(1)(k))2-1ND-1(Σi=2NDZ(1)(k))2]]>

GbBi=1ND-1·[Σk=Bi+1Bi+ND-1X(0)(k)+GaBi·Σi=2NDZ(1)(k)]]]>

其中，Ga_Bi和Gb_Bi為第Bi次迭代計算所得的GM(1,1)模型中對應參數最小二乘意義下的估計值，完成一次迭代過程，判斷Bi是否達到最大值PS-ND+1，如果達到最大值則停止該參數計算迭代過程，進入步驟(44)，如果沒有達到最大值，Bi進行一次自加操作，即Bi＝Bi+1，進入步驟(41)；

(44)對計算得到的參數序列進行自更新操作，

Ga_Bi＝(1-μ)·Ga_Bi-1+μ·Ga_Bi

Gb_Bi＝(1-μ)·Gb_Bi-1+μ·Gb_Bi

其中Bi的取值范圍為從2到PS-ND+1，μ表示遺忘因子，通過此迭代計算得到最后的參數Ga_PS-ND+1和Gb_PS-ND+1，結合對應的GM(1,1)預測出X⁽⁰⁾(PS+1)，

X(0)(PS+1)=(1-eGaPS-ND+1)·(X(0)(PS-ND+1)-GbPS-ND+1GaPS-ND+1)·e-ND·GaPS-ND+1]]>

(45)計算得到進化激勵算子θ，

θ=1bln[min(X(0)(PS),X(0)(PS+1))]-ln(a)b]]>

其中a、b為指數調制函數的參數，ln為取對數函數。