[發(fā)明專利]基于混沌反向策略的蜂群改進(jìn)算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611055449.3
• 申請(qǐng)日: 2016-11-25
• 公開（公告）號(hào): CN106779083A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 朱俊;劉天羽;孟暢
• 申請(qǐng)（專利權(quán)）人: 上海電機(jī)學(xué)院
• 主分類號(hào): G06N7/08
• 分類號(hào): G06N7/08
• 代理公司: 上海伯瑞杰知識(shí)產(chǎn)權(quán)代理有限公司31227
• 代理人: 余晨波

1.一種基于混沌反向策略的蜂群改進(jìn)算法，包括步驟：

S1：生成一初始種群且j為維度；

S2：對(duì)所述初始種群進(jìn)行混沌處理，獲得一混沌序列1≤j≤D且j為自然數(shù)，D為維度總數(shù)；k為迭代次數(shù)，1≤k≤C_max，C_max為最大迭代次數(shù)；

S3：對(duì)所述混沌序列進(jìn)行反向策略處理，獲得一混沌初始解和一混沌初始解的反向解；

S4：根據(jù)所述混沌初始解和所述混沌初始解的反向解計(jì)算獲得一最終初始種群；

S5：根據(jù)所述最終初始種群進(jìn)行人工蜂群算法步驟，獲得第一個(gè)體最優(yōu)解；

S6：對(duì)所述第一個(gè)體最優(yōu)解進(jìn)行反向策略處理，獲得第二個(gè)體最優(yōu)解；

S7：根據(jù)所述第二個(gè)最優(yōu)解計(jì)算獲得一群體最優(yōu)解。

2.根據(jù)權(quán)利要1所述的基于混沌反向策略的蜂群改進(jìn)算法，其特征在于，所述S2步驟進(jìn)一步包括步驟：

S21：在所述初始種群中取j＝1時(shí)的值作為當(dāng)前的初值；

S22：利用一公式(1)對(duì)所述初值進(jìn)行貝努利移位變換：

x_k+1＝(2x_k)modI (1)；

其中，x_k為當(dāng)前的所述初值，k為迭代次數(shù)；

對(duì)公式(1)進(jìn)行迭代，迭代自增1，最大迭代次數(shù)為C_max，生成一值序列；

S23:判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)，如是跳至步驟S25；如不是，判斷是否x_k＝{0,0.25,0.5,0.75}或x_k＝x_(k-n)，n＝{0,1,2,3,4}，如是進(jìn)行步驟S24，否則返回步驟S22；

S24：將j值加1，并取當(dāng)前的作為新的初值，返回步驟S22；

S25：保存當(dāng)前值序列，根據(jù)所述值序列生成混沌序列

3.根據(jù)權(quán)利要2所述的基于混沌反向策略的蜂群改進(jìn)算法，其特征在于，所述S3步驟進(jìn)一步包括步驟：

S31：利用一公式(2)對(duì)所述混沌序列進(jìn)行轉(zhuǎn)換，獲得所述混沌初始解：

$x_i^j=x_{min}^j+Z_k^j\·(x_{max}^j-x_{min}^j)---\left(2\right);$

其中，表示第i個(gè)混沌初始解的第j維向量；表示第j維向量最小值；表示第j維向量最大值；

S32：利用一公式(3)求的反向解，獲得所述混沌初始解的反向解:

${\mathrm{OP}}_i^j=L(x_{min}^j-x_{max}^j)-x_i^j---\left(3\right);$

其中，表示第i個(gè)混沌初始解的反向解的第j維向量，L為[0,1]間的隨機(jī)數(shù)。