[發(fā)明專(zhuān)利]融合布谷鳥(niǎo)搜索算法和狼群算法的測(cè)試函數(shù)尋優(yōu)方法、裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201610819414.6
• 申請(qǐng)日: 2016-09-12
• 公開(kāi)（公告）號(hào): CN107818365A
• 公開(kāi)（公告）日: 2018-03-20
• 發(fā)明（設(shè)計(jì)）人: 李書(shū)霞;陶雄強(qiáng);馬慧生
• 申請(qǐng)（專(zhuān)利權(quán)）人: 普天信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06N3/00
• 分類(lèi)號(hào): G06N3/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司11002
• 代理人: 李相雨

技術(shù)領(lǐng)域

本發(fā)明涉及函數(shù)尋優(yōu)領(lǐng)域，具體地，涉及一種融合布谷鳥(niǎo)搜索算法和狼群算法的測(cè)試函數(shù)尋優(yōu)方法以及裝置。

背景技術(shù)

布谷鳥(niǎo)搜索算法(Cuckoo Search Algorithm，CS)是由Xin-she Yang等人通過(guò)觀察神奇的大自然現(xiàn)象并經(jīng)過(guò)人為的處理共同開(kāi)發(fā)的，是一種新型元啟發(fā)式搜索算法。布谷鳥(niǎo)搜索算法的具體步驟如下：

1、進(jìn)行初始化設(shè)置

隨機(jī)產(chǎn)生N個(gè)鳥(niǎo)窩的位置然后把這N個(gè)鳥(niǎo)窩的位置帶到測(cè)試函數(shù)當(dāng)中進(jìn)行選擇測(cè)試，經(jīng)過(guò)測(cè)試就可選出最好鳥(niǎo)窩的位置，并將它保存留給到下一代使用。

2、鳥(niǎo)窩位置搜索

基于萊維飛行，通過(guò)以下位置更新公式，開(kāi)始對(duì)下一代鳥(niǎo)窩的位置進(jìn)行搜尋，以此獲得一組新的鳥(niǎo)窩位置，再次帶入到測(cè)試函數(shù)中進(jìn)行測(cè)試實(shí)驗(yàn)，跟上一代得到的鳥(niǎo)窩位置進(jìn)行比較之后選擇最優(yōu)的鳥(niǎo)窩位置進(jìn)入下一步。

3、鳥(niǎo)窩位置選擇

將宿主發(fā)現(xiàn)外來(lái)蛋的概率p_a＝0.25與服從均勻分布的隨機(jī)數(shù)r∈[0,1]相對(duì)比，如果r>p_a，那么我們可以隨機(jī)改變的值；否則固定不變。再用測(cè)試函數(shù)測(cè)試改變后的鳥(niǎo)窩位置，把測(cè)試完的鳥(niǎo)窩位置跟上一代的最優(yōu)鳥(niǎo)窩位置進(jìn)行對(duì)比，記錄測(cè)試值最優(yōu)的鳥(niǎo)窩位置最后選出測(cè)試值最優(yōu)的鳥(niǎo)窩位置

4、精度或者迭代判斷

計(jì)算是否達(dá)到目標(biāo)精度或者達(dá)到迭代終止條件。如果符合要求，則就是全局最優(yōu)解gb，如果不符合，則要保留到下一代，返回步驟2，再進(jìn)行循環(huán)迭代更新。

狼群算法主要模擬了自然界中狼的領(lǐng)導(dǎo)等級(jí)制和捕獵機(jī)理，通過(guò)模擬狼群的領(lǐng)導(dǎo)等級(jí)制將狼群劃分為4種類(lèi)型，如圖1所示。α、β、δ被看作狼群中表現(xiàn)最好的前三只狼，他們引導(dǎo)其它的狼(ω)趨向于搜索空間中最好的區(qū)域。在整個(gè)迭代搜索過(guò)程中用α、β、δ三種狼來(lái)預(yù)測(cè)評(píng)估獵物可能位置。

根據(jù)狼群的捕獵機(jī)理將捕獵過(guò)程劃分為三個(gè)階段：搜索獵物，包圍獵物，進(jìn)攻獵物，如圖2所示。在狼群算法中用三個(gè)解的位置來(lái)綜合評(píng)估最優(yōu)解的位置，可以大大降低算法陷入局部最優(yōu)的概率。

然而，本申請(qǐng)的發(fā)明人發(fā)現(xiàn)，在利用現(xiàn)有的布谷鳥(niǎo)搜索算法進(jìn)行測(cè)試函數(shù)尋優(yōu)時(shí)存在后期收斂速度慢、局部搜索能力弱和易早熟收斂的缺點(diǎn)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種融合布谷鳥(niǎo)搜索算法和狼群算法的測(cè)試函數(shù)尋優(yōu)方法以及裝置。其中，所述方法所要解決的技術(shù)問(wèn)題是：如何解決現(xiàn)有的布谷鳥(niǎo)搜索算法進(jìn)行測(cè)試函數(shù)尋優(yōu)時(shí)存在后期收斂速度慢、局部搜索能力弱和易早熟收斂的問(wèn)題。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種融合布谷鳥(niǎo)搜索算法和狼群算法的測(cè)試函數(shù)尋優(yōu)方法。所述方法包括以下步驟：

S1、根據(jù)所述測(cè)試函數(shù)的自變量取值范圍隨機(jī)生成n個(gè)第一自變量數(shù)值，并將所述n個(gè)第一自變量數(shù)值分別代入所述測(cè)試函數(shù)，得到每一第一自變量數(shù)值對(duì)應(yīng)的第一測(cè)試函數(shù)值；

S2、根據(jù)萊維飛行機(jī)制對(duì)所述n個(gè)第一自變量數(shù)值分別進(jìn)行更新，得到n個(gè)對(duì)應(yīng)的第二自變量數(shù)值，并將所述n個(gè)第二自變量數(shù)值分別代入所述測(cè)試函數(shù)，得到每一第二自變量數(shù)值對(duì)應(yīng)的第二測(cè)試函數(shù)值；

S3、將每一第一自變量數(shù)值對(duì)應(yīng)的第一測(cè)試函數(shù)值與對(duì)應(yīng)的第二自變量數(shù)值的第二測(cè)試函數(shù)值進(jìn)行比較，保留函數(shù)值較小者對(duì)應(yīng)的自變量數(shù)值，得到n個(gè)第三自變量數(shù)值；

S4、根據(jù)預(yù)設(shè)的發(fā)現(xiàn)概率對(duì)所述n個(gè)第三自變量數(shù)值分別進(jìn)行更新，得到n個(gè)第四自變量數(shù)值；

S5、判斷迭代次數(shù)是否達(dá)到預(yù)設(shè)的迭代次數(shù)；若否，則執(zhí)行步驟S6；若是，則執(zhí)行步驟S7；

S6、根據(jù)所述n個(gè)第四自變量數(shù)值分別對(duì)應(yīng)的第四測(cè)試函數(shù)值從所述n個(gè)第四自變量數(shù)值中選擇m個(gè)第四自變量數(shù)值，對(duì)所述m個(gè)第四自變量數(shù)值進(jìn)行加權(quán)評(píng)估，得到一個(gè)新的自變量數(shù)值，并將所述m個(gè)第四自變量數(shù)值和所述新的自變量數(shù)值分別分配至編號(hào)位置，及將包含分配后的所述m個(gè)第四自變量數(shù)值和所述新的自變量數(shù)值的n個(gè)自變量數(shù)值作為n個(gè)第一自變量數(shù)值，并返回步驟S1，其中，n和m分別為常數(shù)；

S7、輸出最小的第四測(cè)試函數(shù)值和最小的第四測(cè)試函數(shù)值對(duì)應(yīng)的第四自變量數(shù)值。

可選地，所述根據(jù)萊維飛行機(jī)制對(duì)所述n個(gè)第一自變量數(shù)值分別進(jìn)行更新，得到n個(gè)對(duì)應(yīng)的第二自變量數(shù)值，包括：

根據(jù)以下公式一分別更新所述n個(gè)第一自變量數(shù)值：