[發(fā)明專利]一種基于多種改進(jìn)策略的人工蜂群算法的優(yōu)化方法在審
| 申請(qǐng)?zhí)枺?/td> | 202010047160.7 | 申請(qǐng)日: | 2020-01-16 |
| 公開(公告)號(hào): | CN111291854A | 公開(公告)日: | 2020-06-16 |
| 發(fā)明(設(shè)計(jì))人: | 劉志;李鵬航;朱李楠;沈國江 | 申請(qǐng)(專利權(quán))人: | 浙江工業(yè)大學(xué) |
| 主分類號(hào): | G06N3/00 | 分類號(hào): | G06N3/00 |
| 代理公司: | 杭州之江專利事務(wù)所(普通合伙) 33216 | 代理人: | 張慧英 |
| 地址: | 310014 浙*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 多種 改進(jìn) 策略 人工 蜂群 算法 優(yōu)化 方法 | ||
1.一種基于多種改進(jìn)策略的人工蜂群算法的優(yōu)化方法,其特征在于,包括如下步驟:
(1)利用塊編碼的方式確定多種改進(jìn)策略的人工蜂群算法的參數(shù)并初始化種群;并計(jì)算種群中每個(gè)個(gè)體適應(yīng)度值并判斷容量限定,舍棄不滿足容量要求的個(gè)體;
(2)雇傭蜂采用經(jīng)差分進(jìn)化策略、異維學(xué)習(xí)策略以及三角因子振蕩策略改進(jìn)后的方程進(jìn)行循環(huán)搜索;觀察蜂采用經(jīng)高斯分布策略改進(jìn)后的搜索方程進(jìn)行循環(huán)搜索;
(3)設(shè)定記錄板記錄蜜蜂的搜索狀態(tài),根據(jù)記錄板的內(nèi)容確定是否產(chǎn)生偵查蜂,并且偵查蜂采用經(jīng)差分進(jìn)化策略、異維學(xué)習(xí)策略改進(jìn)后的搜索方程開始搜索;判斷是否達(dá)到終止條件,若是則輸出結(jié)果;否則,重復(fù)上述步驟繼續(xù)求解。
2.根據(jù)權(quán)利要求1所述的一種基于多種改進(jìn)策略的人工蜂群算法的優(yōu)化方法,其特征在于:所述在步驟(1)中,利用塊編碼的方式設(shè)定多種改進(jìn)策略的人工蜂群算法的參數(shù):蜂群數(shù)量NP、食物源數(shù)量NP/2、控制參數(shù)limit、最大循環(huán)數(shù)MaxCycle、D維解空間;并且在解空間隨機(jī)產(chǎn)生初始解Xi(i=1,2,…,NP),計(jì)算其適應(yīng)度值:即它表示第g代種群的第d個(gè)個(gè)體,且表示第i級(jí)的第k個(gè)基因位。
3.根據(jù)權(quán)利要求1所述的一種基于多種改進(jìn)策略的人工蜂群算法的優(yōu)化方法,其特征在于:所述步驟(2)中,利用差分進(jìn)化策略和異維學(xué)習(xí)策略,為雇傭蜂提供了更多的學(xué)習(xí)機(jī)會(huì),避免了單一維度尋優(yōu)的問題,從而大大提高了雇傭蜂的全局搜索能力;此外,通過引入三角因子振蕩策略、全局精英解和自適應(yīng)權(quán)重因子,可以進(jìn)一步提高雇傭蜂的全局搜索能力;利用全局精英解,可以有效地將當(dāng)前種群的搜索方向向更好的解靠近;此外,自適應(yīng)權(quán)重因子可以動(dòng)態(tài)調(diào)整步長;在迭代初期,權(quán)重因子被用來擴(kuò)展搜索空間,而在后期,它使個(gè)體進(jìn)行精細(xì)搜索并收斂到最優(yōu)位置;此處雇傭蜂按如下公式搜索新解:
其中,cos(λ)為三角振蕩因子,且λ是在[3.14,π]范圍內(nèi)的一個(gè)隨機(jī)數(shù),r,r1,r3∈{1,2,…,NP},且r≠r1≠r2,F=2,K1,K2,K3∈{1,2,…,D},且K1≠K2≠K3,ξ為自適應(yīng)權(quán)重因子且ξ=(maxCycle-iter)/maxCycle,是在[-1,1]范圍內(nèi)的一個(gè)隨機(jī)數(shù),xge是全局精英解;
在觀察蜂階段,引入一種具有自適應(yīng)高斯分布因子的變異策略來克服觀察蜂的缺點(diǎn),使得觀察蜂在迭代初期獲得更多的食物源,從而避免后期過度開發(fā);并且在觀察蜂階段,使用差分進(jìn)化策略和異維學(xué)習(xí)策略來尋找新的食物源;此處觀察蜂按照如下公式產(chǎn)生新解,并計(jì)算其適應(yīng)度值;
其中,γ服從均值為0,標(biāo)準(zhǔn)差為0.5的高斯分布,其余參數(shù)和雇傭蜂相同。
4.根據(jù)權(quán)利要求1所述的一種基于多種改進(jìn)策略的人工蜂群算法的優(yōu)化方法,其特征在于:所述步驟(3)中,在偵查蜂階段,引入一個(gè)記錄板來記錄蜜蜂的狀態(tài)并將信息反饋給偵察蜂;具體地說,即設(shè)置一個(gè)控制參數(shù)ε值為10-5作為閾值,如果記錄板上的適應(yīng)度值在五次連續(xù)迭代中沒有變化或者在小于ε的范圍內(nèi)變化,偵查蜂將采用公式進(jìn)行搜索,各參數(shù)與上述式子相同,一旦達(dá)到算法的終止條件,輸出最后的結(jié)果。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江工業(yè)大學(xué),未經(jīng)浙江工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010047160.7/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 一種計(jì)算機(jī)網(wǎng)絡(luò)策略管理系統(tǒng)及策略管理方法
- 應(yīng)用于合法監(jiān)聽系統(tǒng)的網(wǎng)絡(luò)策略架構(gòu)及其策略處理方法
- 分發(fā)策略的方法、系統(tǒng)和策略分發(fā)實(shí)體
- 策略控制方法、策略規(guī)則決策設(shè)備和策略控制設(shè)備
- 用于控制QoS策略沖突的方法、設(shè)備和系統(tǒng)
- 策略融合的方法、UE及服務(wù)器
- 策略調(diào)整觸發(fā)、策略調(diào)整方法及裝置、策略調(diào)整系統(tǒng)
- 設(shè)備策略管理器
- 策略組中的策略評(píng)估、策略選擇方法及裝置
- 策略集群分發(fā)匹配方法、系統(tǒng)及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)





