[發(fā)明專利]一種用于單目標(biāo)優(yōu)化的混合生物共生搜索的方法

在審

• 申請?zhí)枺?/td>: 201710563776.8
• 申請日: 2017-07-12
• 公開（公告）號: CN107292381A
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 王艷嬌;陶歡歡
• 申請（專利權(quán)）人: 東北電力大學(xué)
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 北京匯捷知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11531
• 代理人: 李宏偉

技術(shù)領(lǐng)域

本發(fā)明屬于人工智能領(lǐng)域，具體地說，涉及一種用于單目標(biāo)優(yōu)化的混合生物共生搜索的方法。

背景技術(shù)

共生生物搜索算法是新近提出的一種模仿自然界中不同生物交互作用的新型群智能優(yōu)化算法，具有搜索速度快、參數(shù)設(shè)置少等優(yōu)點(diǎn)。與目前較優(yōu)秀的差分進(jìn)化算法、粒子群算法、蜘蛛算法等相比均有更好的測試效果，但與其他進(jìn)化算法類似，依然存在收斂速度慢、易陷入局部最優(yōu)等問題。這是因?yàn)樗惴ǖ奶剿髂芰烷_發(fā)能力是一對矛盾的關(guān)系，探索能力是指算法在對搜索空間進(jìn)行全局搜索找到全局最優(yōu)解的能力，開發(fā)能力是指算法在部分搜索區(qū)域進(jìn)行搜索找到該區(qū)域的較優(yōu)解的能力。所以如何權(quán)衡算法的探索能力和開發(fā)能力決定了算法的優(yōu)化性能。但是由于算法提出時間較短與其性能改進(jìn)及相關(guān)應(yīng)用的研究成果較少，算法的理論體系還不完善。

周虎等人(周虎，趙輝，周歡，王驍飛.自適應(yīng)精英反向?qū)W習(xí)共生生物搜索算法[J].計(jì)算機(jī)工程與應(yīng)用,2016,(19):161-166；周虎，趙輝，李牧東，蔡亞偉.多策略自適應(yīng)共生生物搜索算法[J].空軍工程大學(xué)學(xué)報(自然科學(xué)版),2016,(04):101-106.)于2016年分別提出兩種方案對共生生物搜索算法進(jìn)行改進(jìn)，第一種是引進(jìn)自適應(yīng)精英反向?qū)W習(xí)策略：在“互利”階段引入自適應(yīng)縮放策略來平衡算法的探索能力和開發(fā)能力，在“共棲”階段引入差分量作為擾動項(xiàng)增強(qiáng)局部搜索能力，在“寄生”階段引入精英反向?qū)W習(xí)策略增強(qiáng)算法的尋優(yōu)能力，對多個測試函數(shù)測試結(jié)果顯示，改進(jìn)后的算法對部分測試函數(shù)收斂速度較慢，還需進(jìn)一步改進(jìn)提升其收斂速度和收斂精度；第二種是引進(jìn)多策略的自適應(yīng)策略：在“互利”階段根據(jù)適應(yīng)度值將種群分為三部分并采取不同的個體更新公式運(yùn)用不同的策略來增強(qiáng)求解優(yōu)化問題的能力，在“共棲”階段引入差分?jǐn)_動項(xiàng)增強(qiáng)算法全局搜索能力避免局部最優(yōu)，最后采取超邊界變異方式避免個體超界同時增強(qiáng)種群多樣性，對多個測試函數(shù)的測試結(jié)果表明改進(jìn)后的算法收斂速度需進(jìn)一步提升。

由于算法提出時間較短還未受到相關(guān)領(lǐng)域?qū)＜覍W(xué)者的重視，目前與其性能改進(jìn)及相關(guān)應(yīng)用的研究成果發(fā)布較少，算法的理論體系還不完善，同時由于理論體系還不太成熟導(dǎo)致算法的應(yīng)用體系不成熟。其理論體系不成熟主要體現(xiàn)在算法的收斂速度和收斂精度不高，對于高維復(fù)雜的多峰函數(shù)，算法極易陷入局部最優(yōu)且跳出局部最優(yōu)的能力不強(qiáng)，進(jìn)而導(dǎo)致算法無法尋到全局最優(yōu)解。

互利共生和偏利共生階段個體更新公式實(shí)質(zhì)為：新個體＝原個體+向最優(yōu)個體學(xué)習(xí)*隨機(jī)權(quán)重。其中，向最優(yōu)個體學(xué)習(xí)部分引入優(yōu)良個體的進(jìn)化信息，保證個體向更優(yōu)個體搜索，而隨機(jī)權(quán)重可補(bǔ)充種群多樣性。但在算法運(yùn)行后期，由于個體差別不大，最優(yōu)個體已經(jīng)無法提供比自身優(yōu)良更多的進(jìn)化信息，使得隨機(jī)權(quán)重部分的作用被迫放大，即搜索步長具有隨機(jī)性，該更新方式退化為在自身附近進(jìn)行隨機(jī)搜索，很難探索出更為優(yōu)異的新個體，致使算法后期運(yùn)行較慢。綜上說明，在算法運(yùn)行后期，應(yīng)進(jìn)一步增強(qiáng)共生生物搜索算法互利共生和偏利共生階段的收斂速度。

共生生物搜索算法的寄生機(jī)制隨機(jī)選取某些維度，對選出的這幾維度在其定義域內(nèi)隨機(jī)搜索。這一作用雖然能在一定程度上補(bǔ)充多樣性，但是盲目的隨機(jī)搜索很有可能破壞優(yōu)良個體，也很難更新出更為優(yōu)秀的個體，使其難以保留，無法達(dá)到維持種群多樣性的目的。

在現(xiàn)有技術(shù)中共生生物搜索算法存在收斂速度慢且易陷入局部最優(yōu)問題，在產(chǎn)業(yè)工業(yè)解決實(shí)際問題時得到的解往往不是最優(yōu)，影響實(shí)際的生產(chǎn)應(yīng)用。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明針對共生生物搜索算法存在的收斂速度慢、收斂精度不足以及易陷入局部最優(yōu)的問題，提供了一種用于單目標(biāo)優(yōu)化的混合生物共生搜索的方法。

為了解決上述技術(shù)問題，本發(fā)明公開了一種用于單目標(biāo)優(yōu)化的混合生物共生搜索的方法，包括以下步驟：

步驟1、初始化個體數(shù)量N，種群的維度D，最大適應(yīng)度評價次數(shù)這些參數(shù)，隨機(jī)產(chǎn)生初始種群；

步驟2、對N個個體進(jìn)行適應(yīng)度評價，選出其中最優(yōu)個體；

步驟3、采用互利共生策略更新種群；

步驟4、采用偏利共生策略更新種群；

步驟5、采用寄生共生策略更新種群；

步驟6：判斷是否達(dá)到終止條件，達(dá)到則輸出最優(yōu)個體和適應(yīng)度值，沒有則轉(zhuǎn)至步驟3，所述終止條件具體為步驟1設(shè)定的最大適應(yīng)度評價次數(shù)，該次數(shù)根據(jù)實(shí)際問題人為設(shè)定。