[發(fā)明專利]一種實數(shù)編碼化學反應智能優(yōu)化算法

在審

• 申請?zhí)枺?/td>: 201710408614.7
• 申請日: 2017-06-02
• 公開（公告）號: CN107330245A
• 公開（公告）日: 2017-11-07
• 發(fā)明（設計）人: 文建全
• 申請（專利權）人: 湖南創(chuàng)星科技股份有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京和信華成知識產(chǎn)權代理事務所(普通合伙)11390
• 代理人: 胡劍輝

技術領域

本發(fā)明屬于化學反應優(yōu)化領域，具體是一種實數(shù)編碼化學反應智能優(yōu)化算法。

背景技術

優(yōu)化問題也由來已久，最早可以追溯到公元前300年，古希臘數(shù)學家歐幾里得證明了，在周長相同的所有矩形中，正方形面積最大。優(yōu)化方法也隨著優(yōu)化問題的出現(xiàn)而產(chǎn)生。傳統(tǒng)的優(yōu)化方法主要分兩類：線性規(guī)劃的單純形法和非線性規(guī)劃的基于梯度的各類迭代算法。其中主要包括：牛頓法、共軛梯度法、擬牛頓法、信賴域法、線性搜索法等。但是傳統(tǒng)優(yōu)化方法需要目標函數(shù)可導可微和梯度信息，使該類方法很難應用于復雜、困難的優(yōu)化問題。雖然如此，這些以梯度信息為基礎的傳統(tǒng)優(yōu)化算法具有較高的計算效率、較強的可靠性等優(yōu)點，同時具有完整的理論基礎以及嚴格的數(shù)學證明，這是現(xiàn)代優(yōu)化算法——智能優(yōu)化算法所不足的地方。傳統(tǒng)優(yōu)化算法一般是針對結構化的問題，需要有較為明確的問題和條件描述，是確定性算法，有固定的結構和參數(shù)，可對其計算復雜度和收斂性做理論分析。

與大多數(shù)基于梯度信息的傳統(tǒng)優(yōu)化算法不同，智能優(yōu)化算法一般都是建立在生物智能或物理現(xiàn)象基礎上的隨機搜索算法，需要采用較多的函數(shù)評價 (Function Evaluation,FE)，而且在理論上還遠不如傳統(tǒng)優(yōu)化算法完善。智能優(yōu)化算法一般情況下并不能確保獲得最優(yōu)解，因此常常被視為“元啟發(fā)式方法”(meta-heuristic)算法。但是智能優(yōu)化算法與傳統(tǒng)優(yōu)化算法相比，也具有明顯的優(yōu)點，比如一般不要求目標函數(shù)和約束的連續(xù)性與凸性，甚至不要求解析表達式，對計算中數(shù)據(jù)的不確定性也有很強的適應能力，同時具有潛在的并行性和分布式特點。

2010年，Albert Y.S.Lam和Victor O.K.Li受化學反應過程中分子間相互作用以獲得最小分子勢能的啟發(fā)，提出了用于解決組合優(yōu)化問題的化學反應優(yōu)化算法(CRO)。CRO作為新的基于種群的元啟發(fā)式算法，一經(jīng)提出便受到了很大的關注，現(xiàn)在已經(jīng)成功應用于很多優(yōu)化問題的求解。2012年在CRO的基礎上，提出了用于函數(shù)優(yōu)化問題的實數(shù)編碼化學反應優(yōu)化算法(RCCRO)。實數(shù)編碼化學反應優(yōu)化算法(RCCRO)作為新近提出的基于種群的元啟發(fā)式智能算法，具有較強的局部搜索能力且不易陷入局部最優(yōu)的優(yōu)點，很好的應用于函數(shù)優(yōu)化問題。但是，由于其分子間缺乏信息交流，全局算子特別是合成反應操作發(fā)生的盲目性，使其伴隨著全局搜索能力差、收斂速度慢、收斂精度低等缺點。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術的不足，本發(fā)明提出了一種實數(shù)編碼化學反應智能優(yōu)化算法，解決現(xiàn)有的實數(shù)編碼化學反應優(yōu)化算法存在分子間缺乏信息交流，全局算子特別是合成反應操作發(fā)生的盲目性，使其伴隨著全局搜索能力差、收斂速度慢、收斂精度低的問題。

本發(fā)明為實現(xiàn)上述目的，采用以下技術方案實現(xiàn)：

一種實數(shù)編碼化學反應智能優(yōu)化算法，包括以下步驟：

步驟1：初始化階段，初始化分子動能及其他分子結構屬性；

步驟2：迭代階段，判斷算法的終止條件是否滿足，若不滿足，則進行單分子操作或雙分子操作，直至滿足終止條件；

步驟3：終止階段，輸出全局最優(yōu)解及對應的目標函數(shù)值。

進一步地，作為優(yōu)選技術方案，在進行步驟1之前，先確定優(yōu)化問題的分子結構式、邊界約束條件以及問題的維數(shù)，并確定算法的參數(shù)取值。

進一步地，作為優(yōu)選技術方案，所述優(yōu)化問題的目標函數(shù)為

其中，ω'₁(i)、ω'2(i)分別為分子1、分子2的當前分子結構，分別為分子1和分子2的歷史最優(yōu)分子結構，i,j∈{1,2,…,N}，且隨機產(chǎn)生。

進一步地，作為優(yōu)選技術方案，所述邊界約束條件為：

其中，ω(i)分子結構ω的第i維的值，u(i)和l(i)分別為第i個分量的上、下限， t為隨機數(shù)，且t∈[0,1]。。

進一步地，作為優(yōu)選技術方案，所述問題的維數(shù)確定的具體過程為：

步驟1-1：隨機產(chǎn)生M個具有N維變量的分子，其時間復雜度為O(MN)；

步驟1-2：判斷終止條件是否滿足，其時間復雜度為O(1)；

步驟1-3：判斷執(zhí)行的分子操作類型，其時間復雜度為O(1)；隨機選擇一個分子，進行分解反應操作或者對墻無效碰撞操作，其最大時間復雜度為O(N)；隨機選擇兩個分子進行分子間碰撞操作，其時間復雜度O(1)，迭代過程中的最大時間復雜度為O(N)；

步驟1-4：檢查并更新全局最小值，其時間復雜度為O(1)；