[發明專利]一種基于離散時間反饋模型winner-take-all的智能優化算法

在審

• 申請號: 202010628866.2
• 申請日: 2020-07-01
• 公開（公告）號: CN111930011A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 巫光福;廖云鵬;王盼盼;廖列法;李帥
• 申請（專利權）人: 江西理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 溫州知遠專利代理事務所(特殊普通合伙) 33262
• 代理人: 湯時達

1.一種基于離散時間反饋模型winner-take-all的智能優化算法，其特征在于：包括以下步驟：

步驟1)、為待優化函數在取值范圍內隨機生成初始值，生成的初始值形成初始向量X＝[x₁，x₂，x₃...x_m]^T，為優化算法設置步長s，隨機生成10個搜索方向O＝[o₁，o₂，o₃...o₁₀]^T，其中o_i在[-s，s]之間隨機取值；

步驟2)、將初始向量x作為待優化函數的F(x)的輸入，計算出待優化函數的初始F(x)；

步驟3)、初始向量X根據搜索方向o和步長s生成下10個下一步搜索的位置X_j＝[x_1j，x_2j，x_3j...x_mj]^T將x_j作為函數f(x)的輸入，計算出10個不同的f_j＝[f₁，f₂，f₃...f₁₀]^T；

步驟4)、將f_j作為所提出的WTA模型的輸入；使用WTA模型計算出向量f_j＝[f₁，f₂，f₃...f₁₀]^T中的最優值F_best(X_best)；

步驟5)、X_best是向量X取得f(x)取得最優值時的X_j，將取得X_best的作為(3)的輸入，然后根據步長s搜索方向o再次生成10個下一步的搜索位置X_j＝[x_1j，x_2j，x_3j...x_mj]^T，然后再次將x_j作為函數f(x)的輸入，計算出10個不同的f_j＝[f₁，f₂，f₃...f₁₀]^T；

步驟6)、反復迭代，直到函數取得最優值。

2.根據權利要求1所述的一種基于離散時間反饋模型winner-take-all的智能優化算法，其特征在于：所述該基于離散時間反饋模型winner-take-all的智能優化算法不需要獲取優化問題的約束條件、梯度信息就能夠對問題進行優化。

3.根據權利要求1所述的一種基于離散時間反饋模型winner-take-all的智能優化算法，其特征在于：所述步驟1中的10個搜索方向O的產生方式為：o_j＝s*rand_j(-1，1)；其中rand_j(-1，1)表示生成一個在在[-1，1]之間的隨機數；其中i表示對第i個搜索方向的操作。

4.根據權利要求1所述的一種基于離散時間反饋模型winner-take-all的智能優化算法，其特征在于：所述步驟4所使用的WTA模型為：

其中x表示一個向量，它是一個由不同元素狀態值組成的t時刻的狀態向量，u表示由不同輸入值來組成的輸入向量，其取值范圍是u∈[-1，1]，而f表示它輸出向量，它是由狀態向量的每一個分量的值除以狀態向量的p范數得到的；f^2n-1表示輸出向量的每個分量的2n-1次方，可以加快模型的收斂速度，在輸入值很接近時，能夠很快的區分出最大值；運算符代表hadamard乘積，即兩個向量的對應位置的元素相乘；t表示時刻，||x||_p表示向量在t時刻的p范數；把上述模型中的符號擴展為的形式，如下所示：

u＝[u₁，u₂，u₃...u_m]^T x(t)＝[x₁，x₂，x₃...x_m]^T

f＝[f₁，f₂，f₃...f_m]^T

對于矩陣中每一個元素的，其運算過程如下：

x_i(t+1)＝u_if_i^2n-1(t)

在上面的模型中，其中i＝1...m表示向量中元素的索引，對于每一個元素u_i∈[-1，1]是對應位置元素的輸入值，而對于其它符號u_i∈[-1，1]表示向量x中索引為i的元素在t時刻的狀態，向量的p范數具體表示為f_i(t+1)表示索引為i的元素在t+1時刻的輸出值。