[發明專利]一種保存優秀樣本個體策略的尋優方法、設備及存儲設備

在審

• 申請號: 201711165762.7
• 申請日: 2017-11-21
• 公開（公告）號: CN107909140A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 彭雷;戴光明;王茂才;宋志明;武云;張燕云
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/12
• 代理公司: 武漢知產時代知識產權代理有限公司42238
• 代理人: 龔春來

技術領域

本發明涉及智能計算領域，具體涉及一種保存優秀樣本個體策略的尋優方法、設備及存儲設備。

背景技術

差分演化算法(Differential Evolution，DE)是基于群體的啟發式搜索算法，毫無爭議地是目前使用的隨機實數優化算法中最有效的算法之一。它與標準的演化算法(Evolutionary Algorithms，EAs)一樣，都是對生物進化過程中優勝劣汰的模擬，包括種群初始化、變異、交叉和生存選擇。但是又與傳統的EAs不同，DE算法同時采用隨機選取和指定選取種群中某些個體的方式，通過對被選取個體之間的差值進行縮放，并將縮放后的差值用于父代個體的變異中。自從1995年被提出后，DE算法便得到了全世界學者的廣泛關注，然而，DE算法也存在不足：(1)DE雖然在全局搜索上有著突出的表現，其在局部搜索能力方面仍有欠缺，這使算法在演化后期收斂速度變慢，從而不能滿足算法在評估次數較少的情況下快速收斂到問題最優解的要求；(2)DE算法中變異策略的樣本選擇一般是隨機選擇，這樣得到的種群既可能相對分散，也可能較為集中，魯棒性方面仍存在不足。因此，如何找到一種后期收斂速度較快且魯棒性較好的方法就成為業界亟待解決的問題。

發明內容

本發明提供了一種保存優秀樣本個體策略的尋優方法、設備及存儲設備，通過將兩種算法相結合，并引入觸發機制、優秀個體保存機制及種群重啟機制，可以解決尋優后期收斂速度慢及樣本隨機選擇帶來的魯棒性不足的問題。

本發明提供的技術方案是：一種保存優秀樣本個體策略的尋優方法，所述方法包括步驟：設定局部搜索觸發條件；判斷待優化種群是否滿足所述局部搜索觸發條件；若不滿足，則采用第一種算法進行種群優化；在第一種算法中引入優秀個體保存機制保證種群優化的多樣性；若滿足，則采用第二種算法進行種群優化；在第二種算法中引入種群重啟機制避免種群優化的局部性；得到最終優化后種群中的最優解。存儲設備，所述存儲設備存儲指令及數據用于實現所述一種保存優秀樣本個體策略的尋優方法。一種保存優秀樣本個體策略的尋優設備，所述設備包括處理器及所述存儲設備；所述處理器加載并執行所述存儲設備中的指令及數據用于實現所述的一種保存優秀樣本個體策略的尋優方法。

本發明的有益效果是：本發明提供了一種保存優秀樣本個體策略的尋優方法、設備及存儲設備，通過將兩種算法相結合，并引入觸發機制、優秀個體保存機制及種群重啟機制，可以解決尋優后期收斂速度慢及樣本隨機選擇帶來的魯棒性不足的問題。

附圖說明

圖1是本發明實施例中保存優秀樣本個體策略的尋優方法的整體流程圖；

圖2是本發明實施例中優秀個體保存機制具體步驟流程圖；

圖3是本發明實施例中種群重啟機制具體步驟流程圖；

圖4是本發明實施例的硬件設備工作示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步地描述，下文中提到的具體技術細節，如：方法，設備等，僅為使讀者更好的理解技術方案，并不代表本發明僅局限于以下技術細節。

本發明的實施例提供了一種保存優秀樣本個體策略的尋優方法、設備及存儲設備。請參閱圖1，圖1是本發明實施例中保存優秀樣本個體策略的尋優方法的整體流程圖，所述方法由硬件設備實現，具體步驟包括：

S101：設定局部搜索觸發條件。所述局部搜索觸發條件為：

其中，ρ_1，max為閾值，ρ₁為種群粗糙程度，f_i(X)為種群中第i個個體的目標函數值，f_avg(X)為種群的平均目標函數值。所述局部搜索觸發條件還可以為：

ρ_2，max＞ρ₂＝max(||X_i-X_j||)

其中，ρ_2，max為閾值，ρ₂為種群空間中最大距離，X_i及X_j為當前種群中任意個體.

S102：判斷待優化種群是否滿足所述局部搜索觸發條件。

S103：若不滿足，在第一種算法中引入優秀個體保存機制保證種群優化的多樣性，所述第一種算法具體為DE算法。

S104：采用第一種算法進行種群優化。