[發(fā)明專利]一種新型蝙蝠優(yōu)化算法系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201711033974.X
• 申請日: 2017-10-30
• 公開（公告）號: CN107886157A
• 公開（公告）日: 2018-04-06
• 發(fā)明（設(shè)計(jì)）人: 曹衛(wèi)華;甘超;吳敏;陳鑫;胡郁樂;寧伏龍;陳茜
• 申請（專利權(quán)）人: 中國地質(zhì)大學(xué)（武漢）
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 武漢知產(chǎn)時(shí)代知識產(chǎn)權(quán)代理有限公司42238
• 代理人: 龔春來

技術(shù)領(lǐng)域

本發(fā)明涉及智能優(yōu)化算法領(lǐng)域，尤其涉及一種新型蝙蝠優(yōu)化算法系統(tǒng)方面。

背景技術(shù)

蝙蝠優(yōu)化算法是楊新社教授2010年基于群體智能提出的一種搜索全局最優(yōu)解的啟發(fā) 式優(yōu)化算法。該算法是根據(jù)自然界中蝙蝠利用超聲波來探測獵物、躲避障礙物的特點(diǎn)發(fā)展 而來的一種全局優(yōu)化算法。它具有需要調(diào)整的參數(shù)少、求解速度快、精度高等特點(diǎn)。目前， 蝙蝠優(yōu)化算法已被成功的運(yùn)用于建模、優(yōu)化、控制等多個(gè)領(lǐng)域。

針對蝙蝠優(yōu)化算法存在易陷入局部最優(yōu)等問題，有學(xué)者將模擬退火思想引入蝙蝠優(yōu)化 算法中，并對算法中的某些個(gè)體進(jìn)行高斯擾動，這樣能夠增加算法的全局收斂性和精度； 有學(xué)者提出帶有高斯變異的混合蛙跳蝙蝠算法，在保持基礎(chǔ)蝙蝠算法具有較強(qiáng)全局搜索能 力的同時(shí)，增強(qiáng)算法的局部搜索能力；也有學(xué)者提出了一種定向蝙蝠算法，該算法考慮通 過蝙蝠之間的聲波通訊改變搜索方向、在最優(yōu)解的產(chǎn)生公式處增加權(quán)重、限制脈沖速率和 響度的范圍等改進(jìn)方法。

但是上述優(yōu)化算法通過采用與其他智能算法結(jié)合或限制脈沖速率和響度的方法，使得 其在面對復(fù)雜函數(shù)時(shí)跳出局部最優(yōu)的能力還有待進(jìn)一步提高；另外，以上方法均只考慮了 算法會陷入局部最優(yōu)的問題，忽略了算法優(yōu)化結(jié)果受初始值的影響較大，存在優(yōu)化結(jié)果不 穩(wěn)定的情況，整體上優(yōu)化效果不太理想。因此，蝙蝠優(yōu)化算法如何有效地防止基礎(chǔ)蝙蝠算 法陷入局部最優(yōu)且得到穩(wěn)定的優(yōu)化結(jié)果，是一個(gè)值得深入研究的問題。

發(fā)明內(nèi)容

針對上述的現(xiàn)有蝙蝠優(yōu)化算法易陷入局部最優(yōu)、優(yōu)化結(jié)果不穩(wěn)定的技術(shù)缺陷，本發(fā)明 提供了一種新型蝙蝠優(yōu)化算法系統(tǒng)，包括：蝙蝠算法運(yùn)行模塊、擾動模塊、迭代局部搜索 模塊、判斷全局最優(yōu)解模塊、全局最優(yōu)解存儲模塊；通過蝙蝠算法運(yùn)行模塊，運(yùn)行蝙蝠算 法，得到局部最優(yōu)解；在局部最優(yōu)解的基礎(chǔ)上，通過擾動模塊，加入擾動，根據(jù)迭代局部 迭代搜索模塊，運(yùn)用迭代局部搜索算法重新進(jìn)行全局最優(yōu)解的局部搜索，當(dāng)滿足全局最優(yōu) 解的判斷條件后，得到種群位置的全局最優(yōu)解，存儲到全局最優(yōu)解存儲模塊。所述蝙蝠算 法運(yùn)行模塊包括：參數(shù)初始化模塊、隨機(jī)慣性權(quán)重模塊、更新模塊、新解產(chǎn)生模塊、判斷 新解模塊、、更新局部最優(yōu)解模塊，通過所述蝙蝠算法運(yùn)行模塊運(yùn)行蝙蝠算法，得到種群位 置的局部最優(yōu)解；通過所述迭代局部搜索模塊，運(yùn)用迭代局部搜索算法對種群位置的全局 最優(yōu)解進(jìn)行搜索，得到種群位置的全局最優(yōu)解；

所述參數(shù)初始化模塊，用于初始化蝙蝠算法中的參數(shù)：種群大小n，脈沖速率r_i，響度 A_i，迭代次數(shù)M，響度衰減系數(shù)α，脈沖速率增加系數(shù)γ，脈沖頻率f_i，脈沖頻率范圍 [f_min,f_max]，種群位置X_i和種群速度V_i；

所述隨機(jī)慣性權(quán)重模塊，用于得到隨機(jī)慣性權(quán)重ω；

所述更新模塊，接受所述參數(shù)初始化模塊和所述隨機(jī)慣性權(quán)重模塊的輸出，用于更新 脈沖頻率f_i、種群位置X_i、種群速度V_i、脈沖速率r_i、響度A_i；

所述新解產(chǎn)生模塊，接受所述更新模塊的輸出，當(dāng)生成的均勻分布隨機(jī)數(shù)rand()>r_i時(shí)， 對當(dāng)前最優(yōu)解進(jìn)行隨機(jī)擾動，根據(jù)新解產(chǎn)生公式生成種群位置新解；

所述判斷新解模塊，，接受所述新解產(chǎn)生模塊的輸出，判斷是否接受種群位置新解？當(dāng) 生成的均勻分布隨機(jī)數(shù)rand()<A_i且f(X_i)＜f(X_m)時(shí)，接受種群位置新解；

所述更新局部最優(yōu)解模塊，接受所述新解接受模塊的輸出，更新當(dāng)前種群位置的最優(yōu) 解X_m；

所述擾動模塊，用于對所述更新局部最優(yōu)解模塊的輸出X_m進(jìn)行擾動，得到中間狀態(tài) X_**；

所述迭代局部搜索模塊，基于所述擾動模塊的輸出X_**，運(yùn)用迭代局部算法對種群位置 的全局最優(yōu)解進(jìn)行搜索，得到局部極小值解X'_m及局部極小值f(X'_m)；

所述判斷全局最優(yōu)解模塊，根據(jù)所述迭代局部搜索模塊的輸出，判斷得到的局部最優(yōu) 解是否滿足全局最優(yōu)解的判斷條件；

所述全局最優(yōu)解存儲模塊，當(dāng)滿足全局最優(yōu)解的判斷條件時(shí)，存儲全局最優(yōu)解